ControlNet (SDv2)
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Stability AI
- Tipo de Organización
- Industry
- País
- United Kingdom of Great Britain and Northern Ireland
- Publicado
- 26 November 2023
- Autores
- Lvmin Zhang, Anyi Rao, Maneesh Agrawala
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Image generation
- Tarea
- Image-to-image
- Modelo base
- Stable Diffusion 2.1
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
200k training samples
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómo se estableció
- Hardware
- Computación de ajuste fino
- 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
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA GeForce RTX 3090 Ti
- Chips utilizados
- 1
- Tiempo de reloj
- 120 hours
- Consumo de energía
- 490 W
"one single NVIDIA RTX 3090Ti, and 5 days of training"
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Adding Conditional Control to Text-to-Image Diffusion Models
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
ControlNet (SDv2) fue publicado por Stability AI, en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante November 2023. La organización editora está clasificada como industry.
Funciona en el dominio de Image generation, y se registra como realizando la tarea de image-to-image.
Su punto de partida fue un modelo base existente, Stable Diffusion 2.1. Por eso comparte la forma y el tamaño general del modelo base.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Respuestas
ControlNet (SDv2) — preguntas comunes
ControlNet (SDv2)— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
ControlNet (SDv2)— ¿Quién lo creó?
Fue publicado por Stability AI, basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como industry.
ControlNet (SDv2)— ¿cuándo fue lanzado?
Se publicó en November 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
ControlNet (SDv2)— ¿Para qué se utiliza?
Funciona en el dominio de Image generation, y se registra como manejando la tarea de image-to-image. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
ControlNet (SDv2)— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
ControlNet (SDv2)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.