NCP-VAE (CIFAR 10)

Gesloten gewichten University of Illinois Urbana-Champaign (UIUC),NVIDIA November 2021

Geen schatting

Geen hardware-eisen voor dit model

De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie
University of Illinois Urbana-Champaign (UIUC),NVIDIA
Organisatietype
Academia,Industry
Land
United States of America
Gepubliceerd
3 November 2021
Auteurs
Jyoti Aneja, Alexander Schwing, Jan Kautz, Arash Vahdat

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein
Image generation
Taak
Image generation
Basis model
NVAE (CIFAR 10)

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

Training gegevens
tokens

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten
Closed — provider access only
Toegang tot model
Unreleased
Training code
Unreleased

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Record vertrouwen
Unknown

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie
A Contrastive Learning Approach for Training Variational Autoencoder Priors
Laatst bijgewerkt
11 February 2026

Wat de cijfers betekenen

Achtergrond

NCP-VAE (CIFAR 10) werd gepubliceerd door University of Illinois Urbana-Champaign (UIUC),NVIDIA, in het land geregistreerd als United States of America, tijdens November 2021. De publicerende organisatie is geclassificeerd als academia,Industry.

Het werkt in het domein van Image generation, en wordt geregistreerd als het uitvoeren van de taak van image generation.

Het startpunt was een bestaand basismodel, NVAE (CIFAR 10). Dat is waarom het de algemene vorm en grootte van het basismodell deelt.

De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.

Antwoorden

NCP-VAE (CIFAR 10) — veelgestelde vragen

01

NCP-VAE (CIFAR 10)— is het open-source?

Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.

02

NCP-VAE (CIFAR 10)— hoeveel parameters heeft het?

Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.

03

NCP-VAE (CIFAR 10)— wie heeft het gemaakt?

Het werd gepubliceerd door University of Illinois Urbana-Champaign (UIUC),NVIDIA, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Industry.

04

NCP-VAE (CIFAR 10)— wanneer is het uitgebracht?

Het werd gepubliceerd in November 2021. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

05

NCP-VAE (CIFAR 10)— waarvoor wordt het gebruikt?

Het werkt in het domein van Image generation, en wordt geregistreerd als het afhandelen van image generation. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

06

NCP-VAE (CIFAR 10)— Welke GPU heb ik nodig om het te draaien?

Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.

Bron

Originele publicatie

Laatste update geregistreerd 11 February 2026

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.