Spectrally Normalized GAN
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
- Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics
- Typ organizacji
- Industry,Academia
- Kraj
- Japan
- Opublikowany
- 16 February 2018
- Autorzy
- Takeru Miyato, Toshiki Kataoka, Masanori Koyama, Yuichi Yoshida
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Image generation
- Zadanie
- Image generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 2,560,000 tokens
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Unknown
- Cytaty
- 4,967
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Spectral Normalization for Generative Adversarial Networks
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
Spectrally Normalized GAN został opublikowany przez Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics, w kraju zapisanym jako Japan, podczas February 2018. Kategoria, do której należy wydawca, to industry,Academia.
Działa w dziedzinie Image generation, i jest zapisany jako wykonujący zadanie image generation.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Został wytrenowany na korpusie około 2,560,000 Tokeny tekstu.
Odpowiedzi
Spectrally Normalized GAN — częste pytania
Spectrally Normalized GAN— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Spectrally Normalized GAN— kto to stworzył?
Zostało opublikowane przez Preferred Networks Inc,Ritsumeikan University,National Institute of Informatics, oparty na Japan, organizacja sklasyfikowana jako industry,Academia.
Spectrally Normalized GAN— kiedy to zostało wydane?
Zostało opublikowane w February 2018. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Spectrally Normalized GAN— do czego to służy?
Działa w dziedzinie Image generation, i jest zarejestrowany jako realizujący zadanie image generation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Spectrally Normalized GAN— 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.
Spectrally Normalized GAN— 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.
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.