ControlNet (SDv2)
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Stability AI
- Organisationstyp
- Industry
- Land
- United Kingdom of Great Britain and Northern Ireland
- Veröffentlicht
- 26 November 2023
- Autoren
- Lvmin Zhang, Anyi Rao, Maneesh Agrawala
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Image generation
- Aufgabe
- Image-to-image
- Basis-Modell
- Stable Diffusion 2.1
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Trainingsdaten
- tokens
200k training samples
Training-Computing
Die zur Ausbildung des Modells durchgeführte Arithmetik, gemessen in Gleitkommaoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht wie schnell das fertige Modell Ihnen antwortet.
- Wie es etabliert wurde
- Hardware
- Feinabstimmung Rechenleistung
- 2.1 × 10¹⁹ FLOP
160000000000000 FLOP/GPU/sec [3090Ti reported, bf16 assumed] * 120 hours * 3600 sec / hour * 1 GPU * 0.3 [assumed utilization] = 20736000000000000000 FLOP
Der Trainingslauf
Was physisch notwendig war, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Steckdose zog.
- Trainingshardware
- NVIDIA GeForce RTX 3090 Ti
- Verwendete Chips
- 1
- Wand-Uhrzeit
- 120 hours
- Stromverbrauch
- 490 W
"one single NVIDIA RTX 3090Ti, and 5 days of training"
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Trainingscode
- Unreleased
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Aufzeichnungszuversicht
- Confident
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Adding Conditional Control to Text-to-Image Diffusion Models
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Woher es kam
ControlNet (SDv2) was published by Stability AI, in United Kingdom of Great Britain and Northern Ireland, in November 2023. The organisation is categorised as industry.
It works in Image generation, and is recorded as doing image-to-image.
Its starting point was Stable Diffusion 2.1 — most models at this scale are adapted from an existing base rather than built from nothing.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Antworten
ControlNet (SDv2) — Häufig gestellte Fragen
How many parameters does ControlNet (SDv2) have?
No parameter count has been published for ControlNet (SDv2), which is why no memory or speed figure appears on this page.
Who created ControlNet (SDv2)?
ControlNet (SDv2) was published by Stability AI, based in United Kingdom of Great Britain and Northern Ireland, categorised as industry.
When was ControlNet (SDv2) released?
ControlNet (SDv2) was published in November 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is ControlNet (SDv2) used for?
ControlNet (SDv2) works in Image generation, and is recorded as handling image-to-image. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run ControlNet (SDv2)?
None. ControlNet (SDv2) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is ControlNet (SDv2) open source?
No. ControlNet (SDv2) has not had its weights published, so it exists only as a service controlled by its owner.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.