Image-to-image cGAN
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
- University of California (UC) Berkeley
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 21 November 2016
- Autorzy
- Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision, Image generation
- Zadanie
- Image generation, Image-to-image
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
- 2,400,000 tokens
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
- Cytaty
- 22,297
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Image-to-Image Translation with Conditional Adversarial Networks
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Skąd to pochodzi
Image-to-image cGAN został opublikowany przez University of California (UC) Berkeley, w kraju zapisanym jako United States of America, podczas November 2016. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Vision, Image generation, i jest zapisany jako wykonujący zadanie image generation, Image-to-image.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Został wytrenowany na korpusie około 2,400,000 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: highly cited.
Odpowiedzi
Image-to-image cGAN — częste pytania
Image-to-image cGAN— 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.
Image-to-image cGAN— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Image-to-image cGAN— kto to stworzył?
Zostało opublikowane przez University of California (UC) Berkeley, oparty na United States of America, organizacja sklasyfikowana jako academia.
Image-to-image cGAN— kiedy to zostało wydane?
Zostało opublikowane w November 2016. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Image-to-image cGAN— do czego to służy?
Działa w dziedzinie Vision, Image generation, i jest zarejestrowany jako realizujący zadanie image generation, Image-to-image. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Image-to-image cGAN— 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.