Neuro-Symbolic Concept Learner
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
- Massachusetts Institute of Technology (MIT),Tsinghua University,MIT-IBM Watson AI Lab,DeepMind
- Organisatietype
- Academia,Academia,Academia,Industry,Industry
- Land
- United States of America, China, United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 26 April 2019
- Auteurs
- Jiayuan Mao, Chuang Gan, Pushmeet Kohli, Joshua B. Tenenbaum, Jiajun Wu
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision, Language
- Taak
- Visual question answering, Semantic segmentation
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
- 100,000 tokens
CLEVR, ImageNet, VQS 5000 in CLEVR 64509 in VQS and whole ImageNet for pretraining "We train NS-CL on 5K images (<10% of CLEVR’s 70K training images). We generate 20 questions for each image for the entire curriculum learning process" section 4.3 "All models use a pre-trained semantic parser on the full CLEVR dataset" "The only extra supervision of the visual perception module comes from the pre-training of the perception modules on ImageNet (Deng et al., 2009). To quantify the influence of th…
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
- Open source
MIT code: https://github.com/vacancy/NSCL-PyTorch-Release
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.
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- Unknown
- Citaties
- 837
"NS-CL’s modularized design enables interpretable, robust, and accurate visual reasoning: it achieves state-of-the-art performance on the CLEVR datase"
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- The Neuro-Symbolic Concept Learner: Interpreting Scenes, Words, and Sentences From Natural Supervision
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Over dit model
Neuro-Symbolic Concept Learner werd gepubliceerd door Massachusetts Institute of Technology (MIT),Tsinghua University,MIT-IBM Watson AI Lab,DeepMind, in het land geregistreerd als United States of America, tijdens April 2019. De categorie waaronder de uitgever valt is academia,Academia,Academia,Industry,Industry.
Het werkt in het domein van Vision, Language, en wordt geregistreerd als het uitvoeren van de taak van visual question answering, Semantic segmentation.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Hoe het getraind werd
De trainingsset liep naar ongeveer 100,000 tekstokens
Het wordt gevolgd in de onderliggende dataset om één specifieke reden: sOTA improvement.
Antwoorden
Neuro-Symbolic Concept Learner — veelgestelde vragen
Neuro-Symbolic Concept Learner— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Neuro-Symbolic Concept Learner— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Neuro-Symbolic Concept Learner— wie heeft het gemaakt?
Het werd gepubliceerd door Massachusetts Institute of Technology (MIT),Tsinghua University,MIT-IBM Watson AI Lab,DeepMind, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Academia,Academia,Industry,Industry.
Neuro-Symbolic Concept Learner— wanneer is het uitgebracht?
Het werd gepubliceerd in April 2019. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Neuro-Symbolic Concept Learner— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, Language, en wordt geregistreerd als het afhandelen van visual question answering, Semantic segmentation. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Neuro-Symbolic Concept Learner— 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.
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.