Perceiver IO (optical flow)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- DeepMind
- Tipo di organizzazione
- Industry
- Paese
- United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 8 February 2020
- Autori
- Andrew Jaegle, Sebastian Borgeaud, Jean-Baptiste Alayrac, Carl Doersch, Catalin Ionescu, David Ding, Skanda Koppula, Daniel Zoran, Andrew Brock, Evan Shelhamer, Olivier Hénaff, Matthew M. Botvinick, Andrew Zisserman, Oriol Vinyals, João Carreira
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Multimodal, Language, Vision
- Compito
- Language modeling/generation, Image captioning
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 27.9M
- Dati di addestramento
- 146,022,400,000 tokens
- Epoche
- 480
Optical flow model (SOTA) was 27.9M params. There are other, larger models described in this paper, e.g. for language. "For the pixel- and patch-based models, total computational complexity for a forward pass on a 368 × 496 image is roughly 987 billion FLOPs, and there are roughly 27.9 million parameters."
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 816
"Perceiver IO... achieves state-of-the-art performance on Sintel optical flow estimation"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Perceiver IO: A General Architecture for Structured Inputs & Outputs
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Informazioni su questo modello
Perceiver IO (optical flow) è stato pubblicato da DeepMind, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante February 2020. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Multimodal, Language, Vision, ed è registrato come eseguire il compito di language modeling/generation, Image captioning.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
Il set di addestramento si aggirava attorno a 146,022,400,000 token di testo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
Perceiver IO (optical flow) — domande comuni
Perceiver IO (optical flow)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Perceiver IO (optical flow)— quanti parametri ha?
Ha un numero di parametri di 27.9M. Optical flow model (SOTA) was 27.9M params. There are other, larger models described in this paper, e.g. for language. "For the pixel- and patch-based models, total computational complexity for a forward pass on a 368 × 496 image is roughly 987 billion FLOPs, and there are roughly 27.9 million parameters.". Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Perceiver IO (optical flow)— chi l'ha creato?
È stato pubblicato da DeepMind, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come industry.
Perceiver IO (optical flow)— quando è stato rilasciato?
È stato pubblicato in February 2020. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Perceiver IO (optical flow)— A cosa serve?
Funziona nel dominio di Multimodal, Language, Vision, e viene registrato come gestire il compito di language modeling/generation, Image captioning. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Perceiver IO (optical flow)— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.