GANs
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- University of Montreal / Université de Montréal
- Szervezet típusa
- Academia
- Ország
- Canada
- Kiadva
- 10 June 2014
- Szerzők
- Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Image generation
- Feladat
- Image generation
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Képzési adatok
- 120,000 tokens
"We trained adversarial nets an a range of datasets including MNIST[23], the Toronto Face Database (TFD) [28], and CIFAR-10 [21]." MNIST has 60k images https://en.wikipedia.org/wiki/MNIST_database TFD seems to have 2925 examples (?) https://www.cs.toronto.edu/~urtasun/courses/CSC411/hw3-411.pdf CIFAR-10 has 60k images https://www.cs.toronto.edu/~kriz/cifar.html
Képzés számítás
A modell betanításához végzett aritmetikai műveletek, amelyet lebegőpontos műveletekben mérnek. Ez a tréning futásának költségét méri, nem azt, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 5.2 × 10¹⁷ FLOP
- Hogyan jött létre
- Third-party estimation
From https://openai.com/blog/ai-and-compute/ Appendix "Less than 0.006 pfs-days" (86400*10^15*0.006) Seems extremely speculative, unless someone at OpenAI privately corresponded with the authors. There is no information about compute or training in the GANs paper.
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Miért követik nyomon
- Highly cited
- Rögzítési bizalom
- Speculative
- Citations
- 36,870
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Generative Adversarial Networks
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Where it came from
GANs was published by University of Montreal / Université de Montréal, in Canada, in June 2014. It comes out of academia.
It works in Image generation, and is recorded as doing image generation.
Súlyait soha nem publikálták, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, amely ezt megváltoztatja.
Mi került a megépítésébe
Producing it required around 5.2 × 10¹⁷ FLOP of arithmetic, which is a statement about the training budget rather than about inference.
It was trained on about 120,000 tokens of text.
The reason it appears in this catalogue at all is highly cited.
Válaszok
GANs — Gyakran ismételt kérdések
Is GANs open source?
The licensing for GANs was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does GANs have?
No parameter count has been published for GANs, which is why no memory or speed figure appears on this page.
Who created GANs?
GANs was published by University of Montreal / Université de Montréal, based in Canada, categorised as academia.
When was GANs released?
GANs was published in June 2014. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is GANs used for?
GANs works in Image generation, and is recorded as handling image generation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train GANs?
Around 5.2 × 10¹⁷ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run GANs?
None. GANs is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.