Layer Normalization: Draw
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
- University of Toronto
- Organisatietype
- Academia
- Land
- Canada
- Gepubliceerd
- 21 July 2016
- Auteurs
- Jimmy Lei Ba, Jamie Ryan Kiros, Geoffrey E. Hinton
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Image generation
- Taak
- Image generation
- Basis model
- Draw
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
- 39,200,000 tokens
The dataset has been split into 50,000 training, 10,000 validation and 10,000 test
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
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Layer Normalization
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
Layer Normalization: Draw werd gepubliceerd door University of Toronto, in het land geregistreerd als Canada, tijdens July 2016. De categorie waaronder de uitgever valt is academia.
Het werkt in het domein van Image generation, en wordt geregistreerd als het uitvoeren van de taak van image generation.
Het startpunt was een bestaand basismodel, Draw. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Training en herkomst
Het is getraind op een corpus van ongeveer 39,200,000 tekstokens
Antwoorden
Layer Normalization: Draw — veelgestelde vragen
Layer Normalization: Draw— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Layer Normalization: Draw— wie heeft het gemaakt?
Het werd gepubliceerd door University of Toronto, gebaseerd op Canada, een organisatie geclassificeerd als academia.
Layer Normalization: Draw— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2016. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Layer Normalization: Draw— waarvoor wordt het gebruikt?
Het werkt in het domein van Image generation, en wordt geregistreerd als het afhandelen van image generation. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Layer Normalization: Draw— 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.
Layer Normalization: Draw— 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.
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.