TSN
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
- ETH Zurich,Shenzhen Institute of Advanced Technology,Chinese University of Hong Kong (CUHK)
- Organisatietype
- Academia,Academia
- Land
- Switzerland, China, Hong Kong
- Gepubliceerd
- 17 September 2016
- Auteurs
- Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao, Dahua Lin, Xiaoou Tang, Luc Van Gool
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Video
- Taak
- Action recognition
- Numerieke indeling
- FP32
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
- 9,240 tokens
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
- Citaties
- 4,113
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Temporal Segment Networks: Towards Good Practices for Deep Action Recognition
- Laatst bijgewerkt
- 1 January 2026
Wat de cijfers betekenen
Over dit model
TSN werd gepubliceerd door ETH Zurich,Shenzhen Institute of Advanced Technology,Chinese University of Hong Kong (CUHK), in het land geregistreerd als Switzerland, tijdens September 2016. De categorie waaronder de uitgever valt is academia,Academia.
Het werkt in het domein van Video, en wordt geregistreerd als het uitvoeren van de taak van action recognition.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Training en herkomst
De trainingsset liep naar ongeveer 9,240 tekstokens
Antwoorden
TSN — veelgestelde vragen
TSN— 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.
TSN— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
TSN— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
TSN— wie heeft het gemaakt?
Het werd gepubliceerd door ETH Zurich,Shenzhen Institute of Advanced Technology,Chinese University of Hong Kong (CUHK), gebaseerd op Switzerland, een organisatie geclassificeerd als academia,Academia.
TSN— wanneer is het uitgebracht?
Het werd gepubliceerd in September 2016. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
TSN— waarvoor wordt het gebruikt?
Het werkt in het domein van Video, en wordt geregistreerd als het afhandelen van action recognition. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
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.