GAWWN
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, dlatego nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny wyłącznie poprzez jego dostawcę, a żadna karta graficzna tego nie zmieni.
Na nagraniu
Pełna specyfikacja
Wszystko, co jest dostępne na temat tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy w to włożono i jak wypada na tle modeli zbudowanych na innym poziomie skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- University of Michigan,Max Planck Institute for Informatics
- Typ organizacji
- Academia,Academia
- Kraj
- United States of America, Germany
- Opublikowane
- 8 October 2016
- Autorzy
- Scott E. Reed, Zeynep Akata, S. Mohan, Samuel Tenka, B. Schiele, Honglak Lee
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Vision
- Zadanie
- Image generation
- Approach
- Supervised
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 235,760 tokens
directly stated in paper
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim własnym sprzęcie, co decyduje, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Dlaczego jest śledzone
- SOTA improvement
- Zaufanie do nagrania
- Confident
https://paperswithcode.com/sota/text-to-image-generation-on-cub I don't see any standard benchmarks where they would claim SOTA results
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Learning What and Where to Draw
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
Skąd to przyszło
GAWWN was published by University of Michigan,Max Planck Institute for Informatics, in United States of America, in October 2016. academia,Academia is the category the publisher falls under.
It works in Vision, and is recorded as doing image generation.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Training and provenance
The training set ran to roughly 235,760 tokens.
The reason it appears in this catalogue at all is sOTA improvement.
Odpowiedzi
GAWWN — Często zadawane pytania
When was GAWWN released?
GAWWN was published in October 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is GAWWN used for?
GAWWN works in Vision, and is recorded as handling image generation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run GAWWN?
None. GAWWN is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is GAWWN open source?
No. GAWWN has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does GAWWN have?
No parameter count has been published for GAWWN, which is why no memory or speed figure appears on this page.
Who created GAWWN?
GAWWN was published by University of Michigan,Max Planck Institute for Informatics, based in United States of America, categorised as academia,Academia.
W innym kierunku
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, wszystko co będzie ona obsługiwać, Rozpocznij od sprzętu..