DALL-E
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
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
- OpenAI
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 5 January 2021
- Autoři
- Aditya Ramesh, Mikhail Pavlov, Gabriel Goh, Scott Gray, Chelsea Voss, Alec Radford, Mark Chen, Ilya Sutskever
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Image generation
- Úkol
- Text-to-image, Image generation
- Přístup
- Self-supervised learning
- Číselný formát
- FP16
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 12B
- Výcviková data
- 320,000,000,000 tokens
- Epochy
- 1.76
DALL·E is a 12-billion parameter version of GPT-3 trained to generate images from text descriptions
"To scale up to 12-billion parameters, we created a dataset of a similar scale to JFT-300M (Sun et al., 2017) by collecting 250 million text-images pairs from the internet. " number of epochs: 1024 batch size * 430,000 updates / 250,000,000 = 1.76
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
- 4.7 × 10²² FLOP
- Jak bylo ustanoveno
- Third-party estimation
source: https://lair.lighton.ai/akronomicon/ archived: https://github.com/lightonai/akronomicon/tree/main/akrodb VAE training "on 64 16 GB NVIDIA V100 GPUs, with a per-GPU batch size of 8, resulting in a total batch size of 512. It is trained for a total of 3,000,000 updates." Transformer training: "We trained the model using 1024, 16 GB NVIDIA V100 GPUs and a total batch size of 1024, for a total of 430,000 updates."; "We concatenate up to 256 BPE-encoded text tokens with the 32 × 32 = 1024 …
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA Tesla V100 DGXS 16 GB
- Používané čipy
- 1,024
- Příkon
- 519.7 kW
- Náklady na výpočet
- $125,819
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
- Closed — provider access only
- Přístup k modelu
- API access
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- Significant use,Highly cited,Historical significance
- Záznam důvěry
- Likely
- Citace
- 6,403
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Zero-Shot Text-to-Image Generation
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
DALL-E byl zveřejněn OpenAI, v zemi zaznamenané jako United States of America, během January 2021. Vydavatelská organizace je kategorizována jako industry.
funguje v oblasti Image generation, a je zaznamenán jako vykonávající úkol text-to-image, Image generation.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Co bylo zapotřebí k jeho vybudování
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 4.7 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 16 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 320,000,000,000 tokeny textu
Jeho kritérium zahrnutí: significant use,Highly cited,Historical significance.
Odpovědi
DALL-E — běžné otázky
DALL-E— Kdy byl vydán?
Bylo to zveřejněno v January 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
DALL-E— K čemu se to používá?
funguje v oblasti Image generation, a je zaznamenáno jako zpracovávající úkol text-to-image, Image generation. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
DALL-E— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.7 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 16 GB. 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.
DALL-E— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
DALL-E— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
DALL-E— kolik má parametrů?
Má počet parametrů 12B. DALL·E is a 12-billion parameter version of GPT-3 trained to generate images from text descriptions. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
DALL-E— Kdo to vytvořil?
Bylo to publikováno společností OpenAI, zakládající se na United States of America, organizace zařazená jako industry.
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.