Vision-based obstacle avoidance system (2005)
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
- New York University (NYU),Net-Scale technologies,NEC Laboratories
- Szervezet típusa
- Academia,Industry,Industry
- Ország
- United States of America
- Közölt
- 5 December 2005
- Szerzők
- Urs Muller, Jan Ben, Eric Cosatto, Beat Flepp, Yann LeCun
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Robotics, Vision
- Feladat
- Self-driving car, Object detection
- 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
- 72K
- Képzési adatok
- tokens
- Epochok
- 18
"The network has 3.15 Million connections and about 72,000 trainable parameters."
"With 95,000 training image pairs, training took 18 epochs through the training set."
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- Intel Pentium 4 HT 630
- Használt chipek
- 1
- Fali óra idő
- 96 hours
- Teljesítményfogyasztás
- 103 W
"A complete training session required about four days of CPU time on a 3.0GHz Pentium/Xeon-based server"
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
- Képzés kód
- Unreleased
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 742
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Off-Road Obstacle Avoidance through End-to-End Learning
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Erről a modelről
Vision-based obstacle avoidance system (2005) ki lett adva által New York University (NYU),Net-Scale technologies,NEC Laboratories, az országban rögzítve mint United States of America, alatt December 2005. A kiadó szervezet a következő kategóriába tartozik academia,Industry,Industry.
Működik a területen a Robotics, Vision, és úgy van rögzítve, mint a feladat végrehajtása self-driving car, Object detection.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Válaszok
Vision-based obstacle avoidance system (2005) — gyakori kérdések
Vision-based obstacle avoidance system (2005)— Mire használják?
Működik a területen a Robotics, Vision, és rögzítve van, hogy kezeli a feladatot self-driving car, Object detection. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Vision-based obstacle avoidance system (2005)— 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.
Vision-based obstacle avoidance system (2005)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Vision-based obstacle avoidance system (2005)— Hány paramétere van?
Paraméterszáma 72K. "The network has 3.15 Million connections and about 72,000 trainable parameters.". 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.
Vision-based obstacle avoidance system (2005)— Ki készítette ezt?
Kiadta New York University (NYU),Net-Scale technologies,NEC Laboratories, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Industry,Industry.
Vision-based obstacle avoidance system (2005)— Mikor adták ki?
Kibocsátották a December 2005. 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..