ShuffleNet v2
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Tsinghua University,Megvii Inc
- Typ organizacji
- Academia,Industry
- Kraj
- China
- Opublikowany
- 30 June 2018
- Autorzy
- Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Image classification, Object detection
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 2.3M
- Dane treningowe
- 1,280,000 tokens
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Cytaty
- 6,289
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
ShuffleNet v2 został opublikowany przez Tsinghua University,Megvii Inc, w kraju zapisanym jako China, podczas June 2018. Wychodzi z organizacji zaklasyfikowanej jako academia,Industry.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie image classification, Object detection.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Jak to zostało wytrenowane
Zbiór treningowy trwał około 1,280,000 Tokeny tekstu.
Odpowiedzi
ShuffleNet v2 — częste pytania
ShuffleNet v2— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie image classification, Object detection. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
ShuffleNet v2— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
ShuffleNet v2— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
ShuffleNet v2— ile ma parametrów?
Ma liczbę parametrów równą 2.3M. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
ShuffleNet v2— kto to stworzył?
Zostało opublikowane przez Tsinghua University,Megvii Inc, oparty na China, organizacja sklasyfikowana jako academia,Industry.
ShuffleNet v2— kiedy to zostało wydane?
Zostało opublikowane w June 2018. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.