Synergistic Face Detector
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
- NEC Laboratories,Courant Institute of Mathematical Sciences
- Szervezet típusa
- Industry,Academia
- Ország
- United States of America
- Közölt
- 1 December 2004
- Szerzők
- Margarita Osadchy, Matthew Miller, Yann LeCun
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision
- Feladat
- Face detection
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
- 16.6K
- Képzési adatok
- tokens
- Epochok
- 9
"We employ a network architecture similar to LeNet5 [6]. The difference is in the number of maps. In our architecture we have 8 feature maps in the bottom convolutional and subsampling layers and 20 maps in the next two layers. The last layer has 9 outputs to encode two pose parameters" Using the general architecture of LeNet5 from "Gradient-based learning applied to document recognition" (LeCun, 1998), we get: C1: CNN, D = 8, K=5, C=1; Parameters = 200 C3: CNN, D=20, K=5, C=8; Parameters = 4,00…
52,850x2x5
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 5.3 × 10¹³ FLOP
- Hogyan jött létre
- Hardware
26*60*60*[(2.81E+03)*((1E6)/2.5)]*0.5 "Training was performed using LUSH [1], and the total training time was about 26 hours on a 2Ghz Pentium 4" "The Progress of Computing" (Nordhaus, 2001) says that a Pentium 4 runs at 2.81E+03 MSOPS, and that "Most benchmarks find that 1 million flops correspond to between 2 and 3 MSOPS" A utilization rate of 0.5 was estimated since this is a smaller model that ran on a CPU (both of which suggest a slightly higher utilization rate than 0.3 to 0.4)
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 2.40
- Fali óra idő
- 26 hours
"Training was performed using LUSH [1], and the total training time was about 26 hours on a 2Ghz Pentium 4"
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.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Synergistic Face Detection and Pose Estimation with Energy-Based Models
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
Synergistic Face Detector ki lett adva által NEC Laboratories,Courant Institute of Mathematical Sciences, az országban rögzítve mint United States of America, alatt December 2004. A kiadó kategóriája alá tartozik industry,Academia.
Működik a területen a Vision, és úgy van rögzítve, mint a feladat végrehajtása face detection.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Hogyan lett betanítva
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 5.3 × 10¹³ FLOP, hardveren rögzítve Intel Pentium 4 2.40. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
Synergistic Face Detector — gyakori kérdések
Synergistic Face Detector— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Synergistic Face Detector— Hány paramétere van?
Paraméterszáma 16.6K. "We employ a network architecture similar to LeNet5 [6]. The difference is in the number of maps. In our architecture we have 8 feature maps in the bottom convolutional and subsampling layers and 20 maps in the next two layers. The last layer has 9 outputs to encode two pose parameters" Using the general architecture of LeNet5 from "Gradient-based learning applied to document recognition" (LeCun, 1998), we get: C1: CNN, D = 8, K=5, C=1; Parameters = 200 C3: CNN, D=20, K=5, C=8; Parameters = 4,000 C5: NN, D=20, K=5, C=20; Parameters = 10,000 F6: NN, N=20, M=84; Parameters = 1,680 Output: NN, N=84, M=9; Parameters = 756 Pooling layers: negligible Parameters = 16,636. 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.
Synergistic Face Detector— Ki készítette ezt?
Kiadta NEC Laboratories,Courant Institute of Mathematical Sciences, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry,Academia.
Synergistic Face Detector— Mikor adták ki?
Kibocsátották a December 2004. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Synergistic Face Detector— Mire használják?
Működik a területen a Vision, és rögzítve van, hogy kezeli a feladatot face detection. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Synergistic Face Detector— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5.3 × 10¹³ FLOP, hardveren rögzítve Intel Pentium 4 2.40. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
Synergistic Face Detector— 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.
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..