Deep CNN + COTS
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
- IEEE
- Tipo di organizzazione
- Industry
- Paese
- Multinational
- Pubblicato
- 26 July 2015
- Autori
- Dayong Wang, C. Otto, Anil K. Jain
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Face recognition
- Approccio
- Supervised
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
- 5M
- Dati di addestramento
- 494,414 tokens
Taken from Table 1 of https://arxiv.org/abs/1508.01722 which uses the same architecture
CASIA [6] dataset provides a large collection of labeled (based on subject names) training set for deep learning networks. It contains 494,414 images of 10,575 subjects
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA Tesla K40c
- Chip utilizzati
- 1
- Consumo energetico
- 286 W
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
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
https://paperswithcode.com/sota/face-verification-on-ijb-a "Experimental results demonstrate that the deep features are competitive with state-of-the-art methods on unconstrained face recognition benchmarks (LFW and IJB-A). "
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Face Search at Scale: 80 Million Gallery
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
Deep CNN + COTS è stato pubblicato da IEEE, nel paese registrato come Multinational, durante July 2015. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di face recognition.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
L'addestramento ha consumato un corpus di circa 494,414 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
Deep CNN + COTS — domande comuni
Deep CNN + COTS— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di face recognition. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Deep CNN + COTS— 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.
Deep CNN + COTS— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Deep CNN + COTS— quanti parametri ha?
Ha un numero di parametri di 5M. Taken from Table 1 of https://arxiv.org/abs/1508.01722 which uses the same architecture. 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.
Deep CNN + COTS— chi l'ha creato?
È stato pubblicato da IEEE, basato su Multinational, un'organizzazione categorizzata come industry.
Deep CNN + COTS— quando è stato rilasciato?
È stato pubblicato in July 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.
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.