ResNet-200
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Microsoft Research Asia
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 17 September 2016
- Autori
- Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Image classification
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 1,281,167 tokens
Addestramento computazionale
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto costato l'addestramento, non di quanto velocemente il modello finito ti risponde.
- Addestramento computazionale
- 3 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
"ResNet-200 takes about 3 weeks to train on 8 GPUs". didn't specify which GPU upd: common GPU performance for 2016 is 6.83E+12 FLOPs/s (https://epoch.ai/blog/estimating-training-compute#forward-pass-compute-and-parameter-counts-of-common-layers) then 6.83E+12*3*7*24*3600*8*0.3=2.9741645e+19 (Speculative)
Il training run
Cosa è stato fisicamente necessario per addestrare: quali chip, quanti, per quanto tempo e cosa ha richiesto dalla rete elettrica.
- Tempo di orologio muro
- 500 hours (20.8 days)
"about 3 weeks"
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open (non-commercial)
https://github.com/KaimingHe/resnet-1k-layers no definite license
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Perché viene tracciato
- Highly cited
- Registrare fiducia
- Speculative
- Citazioni
- 10,822
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Identity Mappings in Deep Residual Networks
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Where it came from
ResNet-200 was published by Microsoft Research Asia, in China, in September 2016. It comes out of industry.
It works in Vision, and is recorded as doing image classification.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda grafica cambia ciò.
Formazione e provenienza
Training it took roughly 3 × 10¹⁹ FLOP of computation — a measure of what producing the model cost, not of how fast it answers.
It was trained on about 1,281,167 tokens of text.
Its inclusion criterion is highly cited.
Risposte
ResNet-200 — Domande frequenti
Is ResNet-200 open source?
No. ResNet-200 has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does ResNet-200 have?
No parameter count has been published for ResNet-200, which is why no memory or speed figure appears on this page.
Who created ResNet-200?
ResNet-200 was published by Microsoft Research Asia, based in China, categorised as industry.
When was ResNet-200 released?
ResNet-200 was published in September 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is ResNet-200 used for?
ResNet-200 works in Vision, and is recorded as handling image classification. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train ResNet-200?
Around 3 × 10¹⁹ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run ResNet-200?
None. ResNet-200 is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.