Inception v3
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,University College London (UCL)
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America, United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 2 December 2015
- Autori
- Christian Szegedy, Vincent Vanhoucke, Sergey Ioffe, Jonathon Shlens, Zbigniew Wojna
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
- 23.6M
- Dati di addestramento
- 1,200,000 tokens
Table 3 from Xception paper
The full dataset is a lot larger and has far more categories. When people say "ImageNet" they're usually referring to the subset of the full dataset with 1000 categories and 1.2million images, found here: https://image-net.org/challenges/LSVRC/2012/
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 1 × 10²⁰ FLOP
- Come è stato stabilito
- Third-party estimation
Authors of "AI and Memory Wall" (https://github.com/amirgholami/ai_and_memory_wall) estimated model's training compute as 100,000 PFLOP = 1*10^20 FLOP
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Costo di calcolo
- $1,218
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Modello Frontier
- Yes
- Perché è monitorato
- Highly cited
- Record fiducia
- Likely
- Citazioni
- 30,915
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Rethinking the inception architecture for computer vision.
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Inception v3 è stato pubblicato da Google,University College London (UCL), nel paese registrato come United States of America, durante December 2015. Esce da un'organizzazione categorizzata come industry,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di image classification.
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 run di addestramento ha consumato circa 1 × 10²⁰ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 1,200,000 token di testo
Il suo criterio di inclusione: highly cited.
Risposte
Inception v3 — domande comuni
Inception v3— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1 × 10²⁰ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
Inception v3— 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.
Inception v3— 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.
Inception v3— quanti parametri ha?
Ha un numero di parametri di 23.6M. Table 3 from Xception paper. 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.
Inception v3— chi l'ha creato?
È stato pubblicato da Google,University College London (UCL), basato su United States of America, un'organizzazione categorizzata come industry,Academia.
Inception v3— quando è stato rilasciato?
È stato pubblicato in December 2015. 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.
Inception v3— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.