Deep CNN + COTS
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
- IEEE
- Typ organizacji
- Industry
- Kraj
- Multinational
- Opublikowany
- 26 July 2015
- Autorzy
- Dayong Wang, C. Otto, Anil K. Jain
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Face recognition
- 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.
- parametry
- 5M
- Dane treningowe
- 494,414 tokens
Taken from Table 1 of https://arxiv.org/abs/1508.01722 which uses the same architecture
CASIA [6] dataset provides a large collection of labeled (based on subject names) training set for deep learning networks. It contains 494,414 images of 10,575 subjects
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA Tesla K40c
- Zastosowane chipy
- 1
- Pobór mocy
- 286 W
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
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
https://paperswithcode.com/sota/face-verification-on-ijb-a "Experimental results demonstrate that the deep features are competitive with state-of-the-art methods on unconstrained face recognition benchmarks (LFW and IJB-A). "
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Face Search at Scale: 80 Million Gallery
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
Deep CNN + COTS został opublikowany przez IEEE, w kraju zapisanym jako Multinational, podczas July 2015. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie face recognition.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Szkolenie i pochodzenie
Trening zużył korpus około 494,414 Tokeny tekstu.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
Deep CNN + COTS — częste pytania
Deep CNN + COTS— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie face recognition. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Deep CNN + COTS— 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.
Deep CNN + COTS— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Deep CNN + COTS— ile ma parametrów?
Ma liczbę parametrów równą 5M. Taken from Table 1 of https://arxiv.org/abs/1508.01722 which uses the same architecture. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
Deep CNN + COTS— kto to stworzył?
Zostało opublikowane przez IEEE, oparty na Multinational, organizacja sklasyfikowana jako industry.
Deep CNN + COTS— kiedy to zostało wydane?
Zostało opublikowane w July 2015. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.