DANet
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten van dit model zijn openbaar, maar er is geen parameter count voor gepubliceerd. Elk geheugen- en snelheidsgetal begint bij dat nummer, dus laten we liever niets zien dan een verzonnen schatting.
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
- Chinese Academy of Sciences
- Organisatie type
- Academia
- Land
- China
- Gepubliceerd
- 21 April 2019
- Auteurs
- Jun Fu, Jing Liu, Haijie Tian, Yong Li, Yongjun Bao, Zhiwei Fang, Hanqing Lu
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Vision
- Taak
- Semantic segmentation
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.
- Opleidingsgegevens
- 1,757,085,696 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
- Open — downloadable
- Model toegang
- Open weights (unrestricted)
- Trainingscode
- Open source
MIT for code and weights: https://github.com/junfu1115/DANet/ train code: https://github.com/junfu1115/DANet/tree/master/experiments/recognition
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Unknown
- Citaties
- 5,741
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Dual Attention Network for Scene Segmentation
- Laatst bijgewerkt
- 1 January 2026
Wat de cijfers betekenen
Over dit model
DANet was published by Chinese Academy of Sciences, in China, in April 2019. academia is the category the publisher falls under.
It works in Vision, and is recorded as doing semantic segmentation.
De open gewichten zijn wat deze pagina in de calculator plaatst in plaats van alleen in de catalogus: het is een model dat je daadwerkelijk kunt vasthouden.
Hoe het was getraind
Around 1,757,085,696 tokens went into training it.
Antwoorden
DANet — Veelgestelde vragen
When was DANet released?
DANet was published in April 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 DANet used for?
DANet works in Vision, and is recorded as handling semantic segmentation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
Where can I download DANet?
The weights for DANet are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
What GPU do I need to run DANet?
We cannot say. DANet has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is DANet open source?
Its weights are published, so DANet can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does DANet have?
No parameter count has been published for DANet, which is why no memory or speed figure appears on this page.
Who created DANet?
DANet was published by Chinese Academy of Sciences, based in China, categorised as academia.
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.