Big Transfer (BiT-L)
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Google Brain
- Organisatie type
- Industry
- Land
- United States of America
- Gepubliceerd
- 24 December 2019
- Auteurs
- Alexander Kolesnikov, Lucas Beyer, Xiaohua Zhai, Joan Puigcerver, Jessica Yung, Sylvain Gelly, Neil Houlsby
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Vision
- Taak
- Image classification
- Numerical format
- FP32
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Parameters
- 928M
- Opleidingsgegevens
- 300,000,000 tokens
- Epochs
- 40
"For BiT-L, we train for 40 epochs"
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- Google TPU v3
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
- Model toegang
- Unreleased
- Trainingscode
- Unreleased
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- SOTA improvement
- Citaties
- 1,361
"We transfer BiT to many diverse tasks... These tasks include ImageNet’s ILSVRC-2012 [10], CIFAR-10/100 [27], Oxford-IIIT Pet [41], Oxford Flowers-102 [39] (including few-shot variants), and the 1000-sample VTAB-1k benchmark [66], which consists of 19 diverse datasets. BiT-L attains state-ofthe-art performance on many of these tasks
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Big Transfer (BiT): General Visual Representation Learning
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Where it came from
Big Transfer (BiT-L) was published by Google Brain, in United States of America, in December 2019. It comes out of industry.
It works in Vision, and is recorded as doing image classification.
De gewichten zijn nooit gepubliceerd, dus het kan alleen worden bereikt via de aanbieder. Geen enkele grafische kaart verandert dat.
Training en afkomst
Around 300,000,000 tokens went into training it.
It is tracked in the underlying dataset for one reason in particular: sOTA improvement.
Antwoorden
Big Transfer (BiT-L) — Veelgestelde vragen
When was Big Transfer (BiT-L) released?
Big Transfer (BiT-L) was published in December 2019. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Big Transfer (BiT-L) used for?
Big Transfer (BiT-L) works in Vision, and is recorded as handling image classification. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run Big Transfer (BiT-L)?
None. Big Transfer (BiT-L) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Big Transfer (BiT-L) open source?
No. Big Transfer (BiT-L) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Big Transfer (BiT-L) have?
Big Transfer (BiT-L) has 928M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Big Transfer (BiT-L)?
Big Transfer (BiT-L) was published by Google Brain, based in United States of America, categorised as industry.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.