运行经过训练的模型时，不会创建绑定框

是指在模型推理过程中，不会生成用于标记和定位目标的边界框。这种情况通常出现在一些特定的模型架构中，例如语言模型、图像分类模型等。

在语言模型中，模型的目标是根据输入的文本生成合理的输出文本，而不需要对文本中的特定位置进行标记或定位。例如，机器翻译模型接收一个源语言句子作为输入，然后生成对应的目标语言句子作为输出，不需要创建边界框。

在图像分类模型中，模型的目标是对输入的图像进行分类，即确定图像属于哪个预定义的类别，而不需要对图像中的物体进行定位。例如，一个猫狗分类模型接收一张图像作为输入，然后输出该图像属于猫还是狗，不需要创建边界框。

这种情况下，模型的输出通常是一个预测结果或概率分布，表示输入数据属于每个类别的概率。模型的训练过程会通过大量的标注数据来学习输入和输出之间的关系，以便在推理过程中进行准确的预测。

腾讯云提供了丰富的云计算产品和服务，可以支持运行经过训练的模型的需求。例如，腾讯云的AI引擎服务提供了多种人工智能能力，包括图像识别、语音识别、自然语言处理等，可以帮助开发者快速构建和部署模型。具体产品和服务的介绍和链接地址可以参考腾讯云官方网站的相关页面。