Deep CNN + COTS
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
- IEEE
- Szervezet típusa
- Industry
- Ország
- Multinational
- Közölt
- 26 July 2015
- Szerzők
- Dayong Wang, C. Otto, Anil K. Jain
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Face recognition
- Megközelítés
- Supervised
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
- 5M
- Képzési adatok
- 494,414 tokens
Taken from Table 1 of https://arxiv.org/abs/1508.01722 which uses the same architecture
CASIA [6] dataset provides a large collection of labeled (based on subject names) training set for deep learning networks. It contains 494,414 images of 10,575 subjects
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA Tesla K40c
- Használt chipek
- 1
- Teljesítményfogyasztás
- 286 W
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Confident
https://paperswithcode.com/sota/face-verification-on-ijb-a "Experimental results demonstrate that the deep features are competitive with state-of-the-art methods on unconstrained face recognition benchmarks (LFW and IJB-A). "
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Face Search at Scale: 80 Million Gallery
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
Deep CNN + COTS ki lett adva által IEEE, az országban rögzítve mint Multinational, alatt July 2015. A kiadó kategóriája alá tartozik industry.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása face recognition.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A képzés körülbelül egy korpuszt fogyasztott 494,414 szöveg tokenjei
A kiválasztási kritériuma: sOTA improvement.
Válaszok
Deep CNN + COTS — gyakori kérdések
Deep CNN + COTS— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot face recognition. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Deep CNN + COTS— 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.
Deep CNN + COTS— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Deep CNN + COTS— Hány paramétere van?
Paraméterszáma 5M. Taken from Table 1 of https://arxiv.org/abs/1508.01722 which uses the same architecture. 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.
Deep CNN + COTS— Ki készítette ezt?
Kiadta IEEE, alapján Multinational, egy szervezet, amelyet kategorizáltak mint industry.
Deep CNN + COTS— Mikor adták ki?
Kibocsátották a July 2015. 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..