Low-Cost Collaborative Network
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
- National University of Singapore,University of Technology Sydney,Qihoo 360 AI Institute
- Typ organizacji
- Academia,Academia,Industry
- Kraj
- Singapore, Australia, China
- Opublikowany
- 15 May 2017
- Autorzy
- Xuanyi Dong, Junshi Huang, Yi Yang, and Shuicheng Yan
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Image classification
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
- 1,280,000 tokens
- Epoki
- 400
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Speculative
- Cytaty
- 298
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- More is Less: A More Complicated Network with Less Inference Complexity
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
O tym modelu
Low-Cost Collaborative Network został opublikowany przez National University of Singapore,University of Technology Sydney,Qihoo 360 AI Institute, w kraju zapisanym jako Singapore, podczas May 2017. Kategoria, do której należy wydawca, to academia,Academia,Industry.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie image classification.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Został wytrenowany na korpusie około 1,280,000 Tokeny tekstu.
Odpowiedzi
Low-Cost Collaborative Network — częste pytania
Low-Cost Collaborative Network— 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.
Low-Cost Collaborative Network— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Low-Cost Collaborative Network— kto to stworzył?
Zostało opublikowane przez National University of Singapore,University of Technology Sydney,Qihoo 360 AI Institute, oparty na Singapore, organizacja sklasyfikowana jako academia,Academia,Industry.
Low-Cost Collaborative Network— kiedy to zostało wydane?
Zostało opublikowane w May 2017. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Low-Cost Collaborative Network— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie image classification. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Low-Cost Collaborative Network— 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.