GAN-Advancer

Pesi chiusi OpenAI December 2016

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
OpenAI
Tipo di organizzazione
Industry
Paese
United States of America
Pubblicato
5 December 2016
Autori
Tim Salimans, Ian Goodfellow, Wojciech Zaremba, Vicki Cheung, Alec Radford, Xi Chen

Cosa fa

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

Dominio
Vision
Compito
Image classification
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
tokens

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
Open (non-commercial)

code, no weights, unclear license: https://github.com/openai/improved-gan experiment code: https://github.com/openai/improved-gan/tree/master/mnist_svhn_cifar10

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
9,798

Fonti

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

Riferimento
Improved Techniques for Training GANs
Ultimo aggiornamento
1 January 2026

Cosa significano i numeri

Da dove è venuto

GAN-Advancer è stato pubblicato da OpenAI, nel paese registrato come United States of America, durante December 2016. Esce da un'organizzazione categorizzata come industry.

Funziona nel dominio di Vision, ed è registrato come eseguire il compito di image classification.

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

Il motivo per cui appare in questo catalogo è: highly cited.

Risposte

GAN-Advancer — domande comuni

01

GAN-Advancer— è open-source?

No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.

02

GAN-Advancer— 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.

03

GAN-Advancer— chi l'ha creato?

È stato pubblicato da OpenAI, basato su United States of America, un'organizzazione categorizzata come industry.

04

GAN-Advancer— quando è stato rilasciato?

È stato pubblicato in December 2016. 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.

05

GAN-Advancer— A cosa serve?

Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

06

GAN-Advancer— 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 1 January 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.