Layer Normalization: Draw
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
- University of Toronto
- Tipo di organizzazione
- Academia
- Paese
- Canada
- Pubblicato
- 21 July 2016
- Autori
- Jimmy Lei Ba, Jamie Ryan Kiros, Geoffrey E. Hinton
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Image generation
- Compito
- Image generation
- Modello di base
- Draw
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
- 39,200,000 tokens
The dataset has been split into 50,000 training, 10,000 validation and 10,000 test
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Layer Normalization
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
Layer Normalization: Draw è stato pubblicato da University of Toronto, nel paese registrato come Canada, durante July 2016. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Image generation, ed è registrato come eseguire il compito di image generation.
Il suo punto di partenza era un modello di base esistente, Draw. Quello è il modo abituale in cui viene prodotto un modello specializzato.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
È stato addestrato su un corpus di circa 39,200,000 token di testo
Risposte
Layer Normalization: Draw — domande comuni
Layer Normalization: Draw— 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.
Layer Normalization: Draw— chi l'ha creato?
È stato pubblicato da University of Toronto, basato su Canada, un'organizzazione categorizzata come academia.
Layer Normalization: Draw— quando è stato rilasciato?
È stato pubblicato in July 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.
Layer Normalization: Draw— A cosa serve?
Funziona nel dominio di Image generation, e viene registrato come gestire il compito di image generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Layer Normalization: Draw— 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.
Layer Normalization: Draw— 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.
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.