ShuffleNet v2
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
- Tsinghua University,Megvii Inc
- Organisatie type
- Academia,Industry
- Land
- China
- Gepubliceerd
- 30 June 2018
- Auteurs
- Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Vision
- Taak
- Image classification, Object detection
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
- 2.3M
- Opleidingsgegevens
- 1,280,000 tokens
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Citaties
- 6,289
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Achtergrond
ShuffleNet v2 was published by Tsinghua University,Megvii Inc, in China, in June 2018. It comes out of academia,Industry.
It works in Vision, and is recorded as doing image classification, Object detection.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Hoe het was getraind
The training set ran to roughly 1,280,000 tokens.
Antwoorden
ShuffleNet v2 — Veelgestelde vragen
What is ShuffleNet v2 used for?
ShuffleNet v2 works in Vision, and is recorded as handling image classification, Object detection. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run ShuffleNet v2?
None. ShuffleNet v2 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 ShuffleNet v2 open source?
The licensing for ShuffleNet v2 was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does ShuffleNet v2 have?
ShuffleNet v2 has 2.3M 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 ShuffleNet v2?
ShuffleNet v2 was published by Tsinghua University,Megvii Inc, based in China, categorised as academia,Industry.
When was ShuffleNet v2 released?
ShuffleNet v2 was published in June 2018. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
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.