Inflated 3D ConvNet

Pesi chiusi DeepMind,University of Oxford June 2017

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,University of Oxford
Tipo di organizzazione
Industry,Academia
Paese
United Kingdom of Great Britain and Northern Ireland
Pubblicato
1 June 2017
Autori
Joao Carreira, Andrew Zisserman

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
3D modeling
Compito
Action recognition

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
240,000 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
Record fiducia
Unknown
Citazioni
9,494

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset
Ultimo aggiornamento
25 May 2026

Cosa significano i numeri

Da dove è venuto

Inflated 3D ConvNet è stato pubblicato da DeepMind,University of Oxford, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante June 2017. Esce da un'organizzazione categorizzata come industry,Academia.

Funziona nel dominio di 3D modeling, ed è registrato come eseguire il compito di action recognition.

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 240,000 token di testo

Il suo criterio di inclusione: highly cited.

Risposte

Inflated 3D ConvNet — domande comuni

01

Inflated 3D ConvNet— quando è stato rilasciato?

È stato pubblicato in June 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.

02

Inflated 3D ConvNet— A cosa serve?

Funziona nel dominio di 3D modeling, e viene registrato come gestire il compito di action recognition. 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.

03

Inflated 3D ConvNet— 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.

04

Inflated 3D ConvNet— 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.

05

Inflated 3D ConvNet— 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.

06

Inflated 3D ConvNet— chi l'ha creato?

È stato pubblicato da DeepMind,University of Oxford, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come industry,Academia.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 25 May 2026

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.