Bayesian object categorizer
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
- California Institute of Technology,University of Oxford
- Organisatietype
- Academia,Academia
- Land
- United States of America, United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 13 October 2003
- Auteurs
- Li Fei-Fei, Rob Fergus, Pietro Perona
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision
- Taak
- Image classification
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
- 0.1K
- Training gegevens
- 20 tokens
citation from section 2.1: In the constellation model, the dimensionality of \theta is large (~ 100)
description of Figure 1 "This dataset is obtained by collecting images through the Google image search engine (www.google.com). The keyword “things” is used to obtain hundreds of random images. "
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
- Speculative
- Citaties
- 806
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- A Bayesian Approach to Unsupervised One-Shot Learning of Object Categories
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
Bayesian object categorizer werd gepubliceerd door California Institute of Technology,University of Oxford, in het land geregistreerd als United States of America, tijdens October 2003. Het komt uit een organisatie gecategoriseerd als academia,Academia.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van image classification.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Training en herkomst
Training verbruikte een corpus van ongeveer 20 tekstokens
Antwoorden
Bayesian object categorizer — veelgestelde vragen
Bayesian object categorizer— wanneer is het uitgebracht?
Het werd gepubliceerd in October 2003. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Bayesian object categorizer— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van image classification. 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.
Bayesian object categorizer— 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.
Bayesian object categorizer— 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.
Bayesian object categorizer— hoeveel parameters heeft het?
Het heeft een parameter telling van 0.1K. citation from section 2.1: In the constellation model, the dimensionality of \theta is large (~ 100). 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.
Bayesian object categorizer— wie heeft het gemaakt?
Het werd gepubliceerd door California Institute of Technology,University of Oxford, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Academia.
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.