SC-NLM
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
- University of Toronto
- Szervezet típusa
- Academia
- Ország
- Canada
- Közölt
- 10 November 2014
- Szerzők
- Ryan Kiros, R. Salakhutdinov, R. Zemel
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Multimodal, Vision, Language
- Feladat
- Image captioning
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
- 5,000,000 tokens
Our LSTM encoder and SC-NLM decoder were trained by concatenating the Flickr30K dataset with the recently released Microsoft COCO dataset [46], which combined give us over 100,000 images and over 500,000 descriptions for training
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Highly cited
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
SC-NLM ki lett adva által University of Toronto, az országban rögzítve mint Canada, alatt November 2014. A kiadó szervezet a következő kategóriába tartozik academia.
Működik a területen a Multimodal, Vision, Language, és úgy van rögzítve, mint a feladat végrehajtása image captioning.
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 5,000,000 szöveg tokenjei
Egy különös okból nyomon követik az alapul szolgáló adatbázisban: highly cited.
Válaszok
SC-NLM — gyakori kérdések
SC-NLM— 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.
SC-NLM— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
SC-NLM— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
SC-NLM— Ki készítette ezt?
Kiadta University of Toronto, alapján Canada, egy szervezet, amelyet kategorizáltak mint academia.
SC-NLM— Mikor adták ki?
Kibocsátották a November 2014. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
SC-NLM— Mire használják?
Működik a területen a Multimodal, Vision, Language, és rögzítve van, hogy kezeli a feladatot image captioning. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
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..