RetinaNet-R50
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
- Facebook AI Research
- Tipo di organizzazione
- Industry
- Paese
- United States of America, France
- Pubblicato
- 7 August 2017
- Autori
- TY Lin, P Goyal, R Girshick, K He
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Object detection
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
- 34M
- Dati di addestramento
- 11,500,000,000 tokens
source: table 2 in https://arxiv.org/pdf/1911.09070.pdf
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
- Citazioni
- 16,437
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Focal loss for dense object detection
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
RetinaNet-R50 è stato pubblicato da Facebook AI Research, nel paese registrato come United States of America, durante August 2017. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di object detection.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il set di addestramento si aggirava attorno a 11,500,000,000 token di testo
Il motivo per cui appare in questo catalogo è: highly cited.
Risposte
RetinaNet-R50 — domande comuni
RetinaNet-R50— 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.
RetinaNet-R50— quanti parametri ha?
Ha un numero di parametri di 34M. source: table 2 in https://arxiv.org/pdf/1911.09070.pdf. 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.
RetinaNet-R50— chi l'ha creato?
È stato pubblicato da Facebook AI Research, basato su United States of America, un'organizzazione categorizzata come industry.
RetinaNet-R50— quando è stato rilasciato?
È stato pubblicato in August 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.
RetinaNet-R50— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di object detection. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
RetinaNet-R50— 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.