Hierarchical Scene Labeling (Stanford Background)
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
- New York University (NYU)
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 1 August 2013
- Autorzy
- Clement Farabet; Camille Couprie; Laurent Najman; Yann LeCun
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Semantic segmentation
- 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
- 51.6M
- Dane treningowe
- 71,380,800 tokens
Figure 1 details architecture, weights are shared between scales “The network is then applied to each 3-dimension input map Xs. This input is transformed into a 16-dimension feature map, using a bank of 16 filters, 10 connected to the Y channel, the 6 others connected to the U and V channels. The second layer transforms this 16-dimension feature map into a 64-dimension feature map, each map being produced by a combination of 8 randomly selected feature maps from the previous layer. Finally the 6…
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 2.4 × 10¹⁷ FLOP
- Jak to zostało ustalone
- Operation counting
Forward FLOP Split for the three sizes F1: L1: 2*1*7*7*10*320*240+2*2*7*7*6*320*240=165580800 L2: 2*8*64*7*7*160*120=963379200 FC: 2*32*80*60*256=78643200 F2: L1: 2*1*7*7*10*160*120+2*2*7*7*6*160*120=41395200 L2: 2*8*64*7*7*80*60=240844800 FC: 2*32*40*30*256=19660800 F3: L1: 2*1*7*7*10*80*60+2*2*7*7*6*80*60=10348800 L2: 2*8*64*7*7*40*30=60211200 FC: 2*32*20*15*256=4915200 Total: 165580800+963379200+78643200+41395200+240844800+19660800+10348800+60211200+4915200=1584979200 Training compute: 15849…
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Zastosowane chipy
- 1
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
- Highly cited,Historical significance
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Learning Hierarchical Features for Scene Labeling
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
O tym modelu
Hierarchical Scene Labeling (Stanford Background) został opublikowany przez New York University (NYU), w kraju zapisanym jako United States of America, podczas August 2013. Wychodzi z organizacji zaklasyfikowanej jako academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie semantic segmentation.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Wytworzenie tego wymagało arytmetyki sumującej około 2.4 × 10¹⁷ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 71,380,800 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: highly cited,Historical significance.
Odpowiedzi
Hierarchical Scene Labeling (Stanford Background) — częste pytania
Hierarchical Scene Labeling (Stanford Background)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Hierarchical Scene Labeling (Stanford Background)— ile ma parametrów?
Ma liczbę parametrów równą 51.6M. Figure 1 details architecture, weights are shared between scales “The network is then applied to each 3-dimension input map Xs. This input is transformed into a 16-dimension feature map, using a bank of 16 filters, 10 connected to the Y channel, the 6 others connected to the U and V channels. The second layer transforms this 16-dimension feature map into a 64-dimension feature map, each map being produced by a combination of 8 randomly selected feature maps from the previous layer. Finally the 64-dimension feature map is transformed into a 256-dimension feature map, each map being produced by a combination of 32 randomly selected feature maps from the previous layer.” L1: 1*7*7*10+2*7*7*6=1078 L2: 8*64*7*7=25088 FC head is split for the three networks (assumption) FC: 32*80*60*256+32*40*30*256+32*20*15*256=51609600 This is a very different estimate to the 0.5M trainable parameters mentioned in the paper(!) "The convolutional network has roughly 0.5 million trainable parameters". 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.
Hierarchical Scene Labeling (Stanford Background)— kto to stworzył?
Zostało opublikowane przez New York University (NYU), oparty na United States of America, organizacja sklasyfikowana jako academia.
Hierarchical Scene Labeling (Stanford Background)— kiedy to zostało wydane?
Zostało opublikowane w August 2013. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Hierarchical Scene Labeling (Stanford Background)— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie semantic segmentation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Hierarchical Scene Labeling (Stanford Background)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.4 × 10¹⁷ FLOP. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
Hierarchical Scene Labeling (Stanford Background)— 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.