Layer Normalization: Draw
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 Toronto
- Typ organizacji
- Academia
- Kraj
- Canada
- Opublikowane
- 21 July 2016
- Autorzy
- Jimmy Lei Ba, Jamie Ryan Kiros, Geoffrey E. Hinton
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Image generation
- Zadanie
- Image generation
- Model bazowy
- Draw
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
- 39,200,000 tokens
The dataset has been split into 50,000 training, 10,000 validation and 10,000 test
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Zaufanie do nagrania
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Layer Normalization
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
Czym jest ten model
Layer Normalization: Draw was published by University of Toronto, in Canada, in July 2016. academia is the category the publisher falls under.
It works in Image generation, and is recorded as doing image generation.
Its starting point was Draw — most models at this scale are adapted from an existing base rather than built from nothing.
To jest model zamknięty: wytrenowane wartości pozostały u tych, którzy je wyprodukowali, i nie ma lokalnej wersji do uruchomienia.
Training and provenance
It was trained on about 39,200,000 tokens of text.
Odpowiedzi
Layer Normalization: Draw — Często zadawane pytania
How many parameters does Layer Normalization: Draw have?
No parameter count has been published for Layer Normalization: Draw, which is why no memory or speed figure appears on this page.
Who created Layer Normalization: Draw?
Layer Normalization: Draw was published by University of Toronto, based in Canada, categorised as academia.
When was Layer Normalization: Draw released?
Layer Normalization: Draw was published in July 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 Layer Normalization: Draw used for?
Layer Normalization: Draw works in Image generation, 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 Layer Normalization: Draw?
None. Layer Normalization: Draw 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 Layer Normalization: Draw open source?
The licensing for Layer Normalization: Draw was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
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..