SPN (CelebA HQ)
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
- Google Brain,DeepMind
- Tipo di organizzazione
- Industry,Industry
- Paese
- United States of America, United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 4 December 2018
- Autori
- Jacob Menick, Nal Kalchbrenner
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Image generation
- Compito
- Image generation
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
- 50M
- Dati di addestramento
- tokens
50M (Table 4)
batch size: 256
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- Google TPU v3
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.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Generating High Fidelity Images with Subscale Pixel Networks and Multidimensional Upscaling
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Informazioni su questo modello
SPN (CelebA HQ) è stato pubblicato da Google Brain,DeepMind, nel paese registrato come United States of America, durante December 2018. L'organizzazione di pubblicazione è classificata come industry,Industry.
Funziona nel dominio di Image generation, ed è registrato come eseguire il compito di image generation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Risposte
SPN (CelebA HQ) — domande comuni
SPN (CelebA HQ)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
SPN (CelebA HQ)— quanti parametri ha?
Ha un numero di parametri di 50M. 50M (Table 4). 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.
SPN (CelebA HQ)— chi l'ha creato?
È stato pubblicato da Google Brain,DeepMind, basato su United States of America, un'organizzazione categorizzata come industry,Industry.
SPN (CelebA HQ)— quando è stato rilasciato?
È stato pubblicato in December 2018. 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.
SPN (CelebA HQ)— A cosa serve?
Funziona nel dominio di Image generation, e viene registrato come gestire il compito di image generation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
SPN (CelebA HQ)— 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.