Mid-level Features
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
- INRIA,Ecole Normale Supèrieure,New York University (NYU)
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- France, United States of America
- Pubblicato
- 13 June 2010
- Autori
- YL Boureau, F Bach, Y LeCun, J Ponce
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Object recognition
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
- 1,500 tokens
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Unknown
- Citazioni
- 1,314
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Learning mid-level features for recognition
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Mid-level Features è stato pubblicato da INRIA,Ecole Normale Supèrieure,New York University (NYU), nel paese registrato come France, durante June 2010. La categoria sotto cui rientra l'editore è academia,Academia,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di object recognition.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
È stato addestrato su un corpus di circa 1,500 token di testo
Risposte
Mid-level Features — domande comuni
Mid-level Features— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di object recognition. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Mid-level Features— 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.
Mid-level Features— 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.
Mid-level Features— 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.
Mid-level Features— chi l'ha creato?
È stato pubblicato da INRIA,Ecole Normale Supèrieure,New York University (NYU), basato su France, un'organizzazione categorizzata come academia,Academia,Academia.
Mid-level Features— quando è stato rilasciato?
È stato pubblicato in June 2010. 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.