OtterHD-8B
Καμία εκτίμηση
Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο
Δεν έχει δημοσιευτεί το βάρος για αυτό το μοντέλο, επομένως δεν μπορεί να κατέβει ή να τρέξει σε δικό σας υλικό σε οποιοδήποτε μέγεθος. Είναι προσβάσιμο μόνο μέσω του προμηθευτή του, και καμία κάρτα γραφικών δεν το αλλάζει αυτό..
Σε καταγραφή
Πλήρης προδιαγραφή
Όλα τα καταγεγραμμένα για αυτό το μοντέλο. Τα περισσότερα από αυτά περιγράφουν το πώς εκπαιδεύτηκε παρά το πώς τρέχει — χρήσιμο πλαίσιο για την εκτίμηση του πόση εργασία έχει επενδυθεί σε αυτό, και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα..
Προέλευση
Ποιος κατασκεύασε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε.
- Οργάνωση
- Nanyang Technological University
- Τύπος οργανισμού
- Academia
- Χώρα
- Singapore
- Δημοσιευμένο
- 7 November 2023
- Συγγραφείς
- Bo Li, Peiyuan Zhang, Jingkang Yang, Yuanhan Zhang, Fanyi Pu, Ziwei Liu
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες σχεδιάστηκε το μοντέλο. Ένα μοντέλο μπορεί να διαθέτει αρκετές από κάθε μία.
- τομέας
- Multimodal, Vision, Language
- Εργασία
- Chat, Visual question answering
- Βασικό μοντέλο
- Fuyu-8B
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα έχει εκπαιδευτεί. Οι παράμετροι είναι ο αριθμός που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- παράμετροι
- 8B
- Δεδομένα εκπαίδευσης
- 200,540,000 tokens
- Εποχές
- 3
8B
"We compiled a total of 370K instruction/response pairs sourced from the follow- ing public datasets: LLaVA-Instruct [ 30], VQAv2 [2], GQA [ 23 ], OKVQA [ 36 ], OCRVQA [38 ], A-OKVQA [ 45], COCO-GOI [33 ], COCO-Caption [ 10], TextQA [ 48], RefCOCO [58], COCO-ITM [ 28 ], ImageNet [17 ], and LLaVA-RLHF [ 51 ]."
Εκπαίδευση υπολογιστών
Η αριθμητική που πραγματοποιήθηκε για την εκπαίδευση του μοντέλου, μετρημένη σε πράξεις κινητής υποδιαστολής. Είναι ένα μέτρο του κόστους της προπόνησης, όχι της ταχύτητας με την οποία το ολοκληρωμένο μοντέλο σας απαντά.
- Ρύθμιση υπολογιστών
- 2.4 × 10¹⁹ FLOP
flops = (8) * (312 * 10**12) * (3 * 3 * 3600) * (0.3) = 2.4e19 (num gpu) * (peak flops) * (time in seconds) * (assumed utilization rate) 'Our implementation permits the completion of full-parameter training within 3 hours per epoch on 8×A100 GPUs. ' Table 4 indicates 3 epochs for the full finetune.
Η εκπαίδευση run
Τι απαιτήθηκε φυσικά για την εκπαίδευση: ποιες κάρτες, πόσες, για πόσο καιρό, και τι αυτό απαιτούσε από το ρεύμα.
- Υλικό εκπαίδευσης
- NVIDIA A100
- χρησιμοποιούμενα τσιπ
- 8
- Τσιπ-ώρες
- 24
- Χρόνος τοίχου
- 9 hours
- Κατανάλωση ενέργειας
- 6.3 kW
3 hours per epoch over 3 epochs: 9 hours
Πώς ταξινομείται
Ετικέτες το πηγαίο σύνολο δεδομένων εφαρμόζει όταν παρακολουθεί σημαντικά μοντέλα, και πόσο βέβαιο είναι στην είσοδο.
- Εγγραφή εμπιστοσύνης
- Confident
- Παραπομπές
- 85
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία φορά.
- Αναφορά
- OtterHD: A High-Resolution Multi-modality Model
- Τελευταία ενημέρωση
- 25 May 2026
Τι σημαίνουν οι αριθμοί
Υπόβαθρο
OtterHD-8B δημοσιεύθηκε από Nanyang Technological University, στην χώρα καταγεγραμμένη ως Singapore, κατά τη διάρκεια November 2023. Ο εκδοτικός οργανισμός κατηγοριοποιείται ως academia.
Λειτουργεί στον τομέα της Multimodal, Vision, Language, και καταγράφεται ότι εκτελεί την εργασία του chat, Visual question answering.
Το σημείο εκκίνησής του ήταν ένα υπάρχον μοντέλο βάσης, Fuyu-8B. Γι' αυτό μοιράζεται τη γενική μορφή και μέγεθος του βασικού μοντέλου.
Τα βάρη του δεν έχουν δημοσιευθεί ποτέ, οπότε μπορεί να προσεγγιστεί μόνο μέσω του παρόχου του. Καμία κάρτα γραφικών δεν αλλάζει αυτό.
Εκπαίδευση και προελεύσεις
Εκπαιδεύτηκε σε ένα σώμα περίπου 200,540,000 κωδικοί κειμένου
Απαντήσεις
OtterHD-8B — κοινές ερωτήσεις
OtterHD-8B— είναι ανοιχτού κώδικα;
Η αδειοδότηση δεν καταγράφηκε ποτέ στα πηγά μας δεδομένα. Αντιμετωπίζουμε τις μη δηλωμένες άδειες ως κλειστές, επειδή μια μη καταγεγραμμένη άδεια δεν είναι μία στην οποία μπορείς να βασιστείς.
OtterHD-8B— πόσες παραμέτρους έχει;
Έχει αριθμό παραμέτρων 8B. 8B. Αυτή η φιγούρα είναι το σύνολο, και είναι αυτό που αποφασίζει πόση μνήμη χρειάζεται το μοντέλο - περίπου μισό γιγαμπάιτ ανά δισεκατομμύριο με τη συμπίεση που χρησιμοποιεί το πιο πολλοί άνθρωποι.
OtterHD-8B— ποιος το δημιούργησε;
Δημοσιεύθηκε από Nanyang Technological University, βασισμένο σε Singapore, μία οργάνωση κατηγοριοποιημένη ως academia.
OtterHD-8B— πότε κυκλοφόρησε;
Δημοσιεύθηκε σε November 2023. Η ικανότητα ανά παράμετρο έχει βελτιωθεί σημαντικά από τότε, οπότε ένα νέο ΜΟΝΤΕΛ του ίδιου μεγέθους είναι συχνά η καλύτερη χρήση του ίδιου υλικού.
OtterHD-8B— για τί χρησιμοποιείται;
Λειτουργεί στον τομέα της Multimodal, Vision, Language, και καταγράφεται ως διαχείριση της εργασίας του chat, Visual question answering. Τα Μοντέλα συχνά φέρουν περισσότερα από ένα από το καθένα, και οι ετικέτες περιγράφουν τον σκοπό παρά τους περιορισμούς ικανότητας.
OtterHD-8B— ποια GPU χρειάζομαι για να το τρέξω;
Κανένα. Αυτό είναι ένα κλειστό μοντέλο - τα βάρη του δεν δημοσιεύθηκαν ποτέ, οπότε δεν μπορεί να κατέβει ή να εκτελεστεί σε δικό σας υλικό σε καμία τιμή. Είναι προσβάσιμο μόνο μέσω του προμηθευτή του.
Η άλλη κατεύθυνση
Κοιτάζοντας το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινά από το μοντέλο. Αν έχετε ήδη μια κάρτα και θέλετε να μάθετε τα πάντα για το τι θα τρέξει., ξεκινήστε από το υλικό αντ' αυτού.