TriNet
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
- Visual Computing Institute,RWTH Aachen University
- Tipo di organizzazione
- Academia
- Paese
- Germany
- Pubblicato
- 21 November 2017
- Autori
- Alexander Hermans, Lucas Beyer, Bastian Leibe
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Video
- Compito
- Person re-identification
- Formato numerico
- FP32
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.
- Dati di addestramento
- 509,914 tokens
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited,Historical significance
- Record fiducia
- Unknown
- Citazioni
- 3,553
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- In Defense of the Triplet Loss for Person Re-Identification
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
TriNet è stato pubblicato da Visual Computing Institute,RWTH Aachen University, nel paese registrato come Germany, durante November 2017. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Video, ed è registrato come eseguire il compito di person re-identification.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
L'addestramento ha consumato un corpus di circa 509,914 token di testo
Il suo criterio di inclusione: highly cited,Historical significance.
Risposte
TriNet — domande comuni
TriNet— A cosa serve?
Funziona nel dominio di Video, e viene registrato come gestire il compito di person re-identification. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
TriNet— 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.
TriNet— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
TriNet— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
TriNet— chi l'ha creato?
È stato pubblicato da Visual Computing Institute,RWTH Aachen University, basato su Germany, un'organizzazione categorizzata come academia.
TriNet— quando è stato rilasciato?
È stato pubblicato in November 2017. 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.
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.