SC-NLM
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
- 10 November 2014
- Autori
- Ryan Kiros, R. Salakhutdinov, R. Zemel
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Multimodal, Vision, Language
- Compito
- Image captioning
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
- 5,000,000 tokens
Our LSTM encoder and SC-NLM decoder were trained by concatenating the Flickr30K dataset with the recently released Microsoft COCO dataset [46], which combined give us over 100,000 images and over 500,000 descriptions for training
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
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
SC-NLM è stato pubblicato da University of Toronto, nel paese registrato come Canada, durante November 2014. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Multimodal, Vision, Language, ed è registrato come eseguire il compito di image captioning.
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 5,000,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited.
Risposte
SC-NLM — domande comuni
SC-NLM— 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.
SC-NLM— 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.
SC-NLM— 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.
SC-NLM— chi l'ha creato?
È stato pubblicato da University of Toronto, basato su Canada, un'organizzazione categorizzata come academia.
SC-NLM— quando è stato rilasciato?
È stato pubblicato in November 2014. 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.
SC-NLM— A cosa serve?
Funziona nel dominio di Multimodal, Vision, Language, e viene registrato come gestire il compito di image captioning. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
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.