VQ-VAE
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
- DeepMind
- Typ organizacji
- Industry
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 2 November 2017
- Autorzy
- Aäron van den Oord, O. Vinyals, K. Kavukcuoglu
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Representation learning
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
- 62,914,560,000 tokens
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Open source
Apache 2.0 https://github.com/google-deepmind/sonnet/blob/v1/sonnet/python/modules/nets/vqvae.py
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Highly cited
- Zapisz pewność
- Unknown
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Neural Discrete Representation Learning
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
VQ-VAE został opublikowany przez DeepMind, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas November 2017. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie representation learning.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Został wytrenowany na korpusie około 62,914,560,000 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: highly cited.
Odpowiedzi
VQ-VAE — częste pytania
VQ-VAE— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
VQ-VAE— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
VQ-VAE— kto to stworzył?
Zostało opublikowane przez DeepMind, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako industry.
VQ-VAE— kiedy to zostało wydane?
Zostało opublikowane w November 2017. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
VQ-VAE— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie representation learning. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
VQ-VAE— 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.
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.