Stable Diffusion 1.4
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Ludwig Maximilian University of Munich
- Typ organizace
- Academia
- Země
- Germany
- Publikováno
- 22 August 2022
- Autoři
- Robin Rombach, Patrick Esser
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Image generation
- Úkol
- Image generation, Text-to-image
- Základní model
- Stable Diffusion 1.2
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- tokens
225k steps at 512x512 on "laion-aesthetics v2 5+", with 10% dropping of text conditioning. Batch: 32 x 8 x 2 x 4 = 2048
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 5 × 10²² FLOP
- Jak bylo ustanoveno
- Hardware
312000000000000 FLOP / GPU / sec * 150000 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 5.0544e+22 FLOP https://github.com/CompVis/stable-diffusion/blob/main/Stable_Diffusion_v1_Model_Card.md
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA A100 PCIe
- Používané čipy
- 256
- Příkon
- 153.9 kW
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Open — downloadable
- Přístup k modelu
- Open weights (restricted use)
- Tréninkový kód
- Open (restricted use)
- Hugging Face
- CompVis
OpenRAIL license for weights https://huggingface.co/CompVis/stable-diffusion-v1-4 "The Responsible AI License allows users to take advantage of the model in a wide range of settings (including free use and redistribution) as long as they respect the specific use case restrictions outlined, which correspond to model applications the licensor deems ill-suited for the model or are likely to cause harm" Open RAIL-M license https://github.com/CompVis/stable-diffusion
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Stable Diffusion v1-4 Model Card
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
Stable Diffusion 1.4 byl zveřejněn Ludwig Maximilian University of Munich, v zemi zaznamenané jako Germany, během August 2022. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Image generation, a je zaznamenán jako vykonávající úkol image generation, Text-to-image.
Místo toho, aby byl trénován od nuly, je odvozen z Stable Diffusion 1.2. To je důvod, proč sdílí obecný tvar a velikost základního modelu.
Protože byly jeho váhy uvolněny, nic ohledně jeho spuštění nezávisí na dostupnosti poskytovatele - je to vaše, jakmile je stáhnuto. Na Hugging Face je publikováno pod organizací CompVis.
Trénink a původ
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 5 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA A100 PCIe. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
Stable Diffusion 1.4 — běžné otázky
Stable Diffusion 1.4— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
Stable Diffusion 1.4— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Stable Diffusion 1.4— Kdo to vytvořil?
Bylo to publikováno společností Ludwig Maximilian University of Munich, zakládající se na Germany, organizace zařazená jako academia.
Stable Diffusion 1.4— Kdy byl vydán?
Bylo to zveřejněno v August 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Stable Diffusion 1.4— K čemu se to používá?
funguje v oblasti Image generation, a je zaznamenáno jako zpracovávající úkol image generation, Text-to-image. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Stable Diffusion 1.4— kde si to mohu stáhnout?
Jeho váhy jsou publikovány na Hugging Face, pod organizací CompVis. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.
Stable Diffusion 1.4— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 5 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA A100 PCIe. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
Stable Diffusion 1.4— Jakou GPU potřebuji k jejímu spuštění?
Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.