Vision-based obstacle avoidance system (2005)
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
- New York University (NYU),Net-Scale technologies,NEC Laboratories
- Tipo di organizzazione
- Academia,Industry,Industry
- Paese
- United States of America
- Pubblicato
- 5 December 2005
- Autori
- Urs Muller, Jan Ben, Eric Cosatto, Beat Flepp, Yann LeCun
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Robotics, Vision
- Compito
- Self-driving car, Object detection
- 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
- 72K
- Dati di addestramento
- tokens
- Epoche
- 18
"The network has 3.15 Million connections and about 72,000 trainable parameters."
"With 95,000 training image pairs, training took 18 epochs through the training set."
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
- Intel Pentium 4 HT 630
- Chip utilizzati
- 1
- Tempo di parete
- 96 hours
- Consumo energetico
- 103 W
"A complete training session required about four days of CPU time on a 3.0GHz Pentium/Xeon-based server"
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
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 742
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Off-Road Obstacle Avoidance through End-to-End Learning
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Informazioni su questo modello
Vision-based obstacle avoidance system (2005) è stato pubblicato da New York University (NYU),Net-Scale technologies,NEC Laboratories, nel paese registrato come United States of America, durante December 2005. L'organizzazione di pubblicazione è classificata come academia,Industry,Industry.
Funziona nel dominio di Robotics, Vision, ed è registrato come eseguire il compito di self-driving car, Object detection.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Risposte
Vision-based obstacle avoidance system (2005) — domande comuni
Vision-based obstacle avoidance system (2005)— A cosa serve?
Funziona nel dominio di Robotics, Vision, e viene registrato come gestire il compito di self-driving car, Object detection. 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.
Vision-based obstacle avoidance system (2005)— 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.
Vision-based obstacle avoidance system (2005)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Vision-based obstacle avoidance system (2005)— quanti parametri ha?
Ha un numero di parametri di 72K. "The network has 3.15 Million connections and about 72,000 trainable parameters.". 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.
Vision-based obstacle avoidance system (2005)— chi l'ha creato?
È stato pubblicato da New York University (NYU),Net-Scale technologies,NEC Laboratories, basato su United States of America, un'organizzazione categorizzata come academia,Industry,Industry.
Vision-based obstacle avoidance system (2005)— quando è stato rilasciato?
È stato pubblicato in December 2005. 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.