Vision-based obstacle avoidance system (2005)
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
- New York University (NYU),Net-Scale technologies,NEC Laboratories
- Organisatietype
- Academia,Industry,Industry
- Land
- United States of America
- Gepubliceerd
- 5 December 2005
- Auteurs
- Urs Muller, Jan Ben, Eric Cosatto, Beat Flepp, Yann LeCun
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Robotics, Vision
- Taak
- Self-driving car, Object detection
- Aanpak
- Supervised
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.
- parameters
- 72K
- Training gegevens
- tokens
- Epochs
- 18
"The network has 3.15 Million connections and about 72,000 trainable parameters."
"With 95,000 training image pairs, training took 18 epochs through the training set."
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- Intel Pentium 4 HT 630
- Gebruikte chips
- 1
- Kloktijd
- 96 hours
- Stroomverbruik
- 103 W
"A complete training session required about four days of CPU time on a 3.0GHz Pentium/Xeon-based server"
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
- Unreleased
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
- Citaties
- 742
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Off-Road Obstacle Avoidance through End-to-End Learning
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Over dit model
Vision-based obstacle avoidance system (2005) werd gepubliceerd door New York University (NYU),Net-Scale technologies,NEC Laboratories, in het land geregistreerd als United States of America, tijdens December 2005. De publicerende organisatie is geclassificeerd als academia,Industry,Industry.
Het werkt in het domein van Robotics, Vision, en wordt geregistreerd als het uitvoeren van de taak van self-driving car, Object detection.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Antwoorden
Vision-based obstacle avoidance system (2005) — veelgestelde vragen
Vision-based obstacle avoidance system (2005)— waarvoor wordt het gebruikt?
Het werkt in het domein van Robotics, Vision, en wordt geregistreerd als het afhandelen van self-driving car, Object detection. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
Vision-based obstacle avoidance system (2005)— 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.
Vision-based obstacle avoidance system (2005)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Vision-based obstacle avoidance system (2005)— hoeveel parameters heeft het?
Het heeft een parameter telling van 72K. "The network has 3.15 Million connections and about 72,000 trainable parameters.". Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Vision-based obstacle avoidance system (2005)— wie heeft het gemaakt?
Het werd gepubliceerd door New York University (NYU),Net-Scale technologies,NEC Laboratories, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Industry,Industry.
Vision-based obstacle avoidance system (2005)— wanneer is het uitgebracht?
Het werd gepubliceerd in December 2005. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
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.