Residual Dense Network
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
- Northeastern University,University of Rochester
- Szervezet típusa
- Academia,Academia
- Ország
- United States of America
- Közölt
- 24 February 2018
- Szerzők
- Yulun Zhang, Yapeng Tian, Yu Kong, Bineng Zhong, Yun Fu
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision, Image generation
- Feladat
- Image super-resolution
- Numerikus formátum
- FP32
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 262,144,000 tokens
- Epochok
- 200
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Unknown
- Hivatkozások
- 3,857
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Residual Dense Network for Image Super-Resolution
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Háttér
Residual Dense Network ki lett adva által Northeastern University,University of Rochester, az országban rögzítve mint United States of America, alatt February 2018. A kiadó kategóriája alá tartozik academia,Academia.
Működik a területen a Vision, Image generation, és úgy van rögzítve, mint a feladat végrehajtása image super-resolution.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
A tanító készlet kb. futott 262,144,000 szöveg tokenjei
Válaszok
Residual Dense Network — gyakori kérdések
Residual Dense Network— Ki készítette ezt?
Kiadta Northeastern University,University of Rochester, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Residual Dense Network— Mikor adták ki?
Kibocsátották a February 2018. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Residual Dense Network— Mire használják?
Működik a területen a Vision, Image generation, és rögzítve van, hogy kezeli a feladatot image super-resolution. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Residual Dense Network— 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.
Residual Dense Network— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Residual Dense Network— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
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..