Vision-based obstacle avoidance system (2005)
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),Net-Scale technologies,NEC Laboratories
- Typ organizacji
- Academia,Industry,Industry
- Kraj
- United States of America
- Opublikowany
- 5 December 2005
- Autorzy
- Urs Muller, Jan Ben, Eric Cosatto, Beat Flepp, Yann LeCun
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Robotics, Vision
- Zadanie
- Self-driving car, Object detection
- 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
- 72K
- Dane treningowe
- tokens
- Epoki
- 18
"The network has 3.15 Million connections and about 72,000 trainable parameters."
"With 95,000 training image pairs, training took 18 epochs through the training set."
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- Intel Pentium 4 HT 630
- Zastosowane chipy
- 1
- Czas rzeczywisty
- 96 hours
- Pobór mocy
- 103 W
"A complete training session required about four days of CPU time on a 3.0GHz Pentium/Xeon-based server"
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.
- Zapisz pewność
- Confident
- Cytaty
- 742
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Off-Road Obstacle Avoidance through End-to-End Learning
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
O tym modelu
Vision-based obstacle avoidance system (2005) został opublikowany przez New York University (NYU),Net-Scale technologies,NEC Laboratories, w kraju zapisanym jako United States of America, podczas December 2005. Organizacja publikująca jest klasyfikowana jako academia,Industry,Industry.
Działa w dziedzinie Robotics, Vision, i jest zapisany jako wykonujący zadanie self-driving car, Object detection.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Odpowiedzi
Vision-based obstacle avoidance system (2005) — częste pytania
Vision-based obstacle avoidance system (2005)— do czego to służy?
Działa w dziedzinie Robotics, Vision, i jest zarejestrowany jako realizujący zadanie self-driving car, Object detection. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Vision-based obstacle avoidance system (2005)— 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.
Vision-based obstacle avoidance system (2005)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Vision-based obstacle avoidance system (2005)— ile ma parametrów?
Ma liczbę parametrów równą 72K. "The network has 3.15 Million connections and about 72,000 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.
Vision-based obstacle avoidance system (2005)— kto to stworzył?
Zostało opublikowane przez New York University (NYU),Net-Scale technologies,NEC Laboratories, oparty na United States of America, organizacja sklasyfikowana jako academia,Industry,Industry.
Vision-based obstacle avoidance system (2005)— kiedy to zostało wydane?
Zostało opublikowane w December 2005. 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.