DTN (Domain Transfer Network)

Zamknięte wagi Facebook AI Research November 2016

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
Facebook AI Research
Typ organizacji
Industry
Kraj
United States of America, France
Opublikowany
7 November 2016
Autorzy
Yaniv Taigman, Adam Polyak, Lior Wolf

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena
Vision, Image generation
Zadanie
Image generation
Podejście
Supervised

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
2,000,000 tokens

"For face images, we use a set s of one million random images without identity information."

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
Unreleased

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
Unsupervised Cross-Domain Image Generation
Ostatnio zaktualizowane
11 February 2026

Co oznaczają liczby

Tło

DTN (Domain Transfer Network) został opublikowany przez Facebook AI Research, w kraju zapisanym jako United States of America, podczas November 2016. Wychodzi z organizacji zaklasyfikowanej jako industry.

Działa w dziedzinie Vision, 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.

Co poszło w budowę tego

Zbiór treningowy trwał około 2,000,000 Tokeny tekstu.

Kryterium włączenia: highly cited.

Odpowiedzi

DTN (Domain Transfer Network) — częste pytania

01

DTN (Domain Transfer Network)— do czego to służy?

Działa w dziedzinie Vision, Image generation, i jest zarejestrowany jako realizujący zadanie image generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

02

DTN (Domain Transfer 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.

03

DTN (Domain Transfer Network)— czy jest open weight?

Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.

04

DTN (Domain Transfer Network)— ile ma parametrów?

Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.

05

DTN (Domain Transfer Network)— kto to stworzył?

Zostało opublikowane przez Facebook AI Research, oparty na United States of America, organizacja sklasyfikowana jako industry.

06

DTN (Domain Transfer Network)— 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.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 11 February 2026

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.