Inceptionv4

Pesi chiusi Google 43M parametri February 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
Google
Tipo di organizzazione
Industry
Paese
United States of America
Pubblicato
23 February 2016
Autori
Christian Szegedy, Sergey Ioffe, Vincent Vanhoucke, Alex Alemi

Cosa fa

Le aree problematiche per cui è stato progettato 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 la cifra che decide se si adatta a una determinata scheda grafica.

parametri
43M

"The folks from Google strike again with Inception-v4, 43M parameters." https://towardsdatascience.com/illustrated-10-cnn-architectures-95d78ace614d

Dati di addestramento
1,280,000 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
Citazioni
15,506

Fonti

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

Riferimento
Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning
Ultimo aggiornamento
25 May 2026

Cosa significano i numeri

Cosa è questo modello

Inceptionv4 è stato pubblicato da Google, nel paese registrato come United States of America, durante February 2016. La categoria sotto cui rientra l'editore è 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.

Addestramento e provenienza

Il set di addestramento si aggirava attorno a 1,280,000 token di testo

Il suo criterio di inclusione: highly cited.

Risposte

Inceptionv4 — domande comuni

01

Inceptionv4— 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.

02

Inceptionv4— quanti parametri ha?

Ha un numero di parametri di 43M. "The folks from Google strike again with Inception-v4, 43M parameters." https://towardsdatascience.com/illustrated-10-cnn-architectures-95d78ace614d. 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.

03

Inceptionv4— chi l'ha creato?

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

04

Inceptionv4— quando è stato rilasciato?

È stato pubblicato in February 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

Inceptionv4— 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

Inceptionv4— 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 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.