ShuffleNet v2
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Tsinghua University,Megvii Inc
- Szervezet típusa
- Academia,Industry
- Ország
- China
- Közölt
- 30 June 2018
- Szerzők
- Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Image classification, Object detection
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 2.3M
- Képzési adatok
- 1,280,000 tokens
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Hivatkozások
- 6,289
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Háttér
ShuffleNet v2 ki lett adva által Tsinghua University,Megvii Inc, az országban rögzítve mint China, alatt June 2018. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Industry.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása image classification, Object detection.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Hogyan lett betanítva
A tanító készlet kb. futott 1,280,000 szöveg tokenjei
Válaszok
ShuffleNet v2 — gyakori kérdések
ShuffleNet v2— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot image classification, Object detection. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
ShuffleNet v2— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
ShuffleNet v2— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
ShuffleNet v2— Hány paramétere van?
Paraméterszáma 2.3M. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
ShuffleNet v2— Ki készítette ezt?
Kiadta Tsinghua University,Megvii Inc, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Industry.
ShuffleNet v2— Mikor adták ki?
Kibocsátották a June 2018. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..