BITTERS
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
- LG,Shutterstock
- Tipo de Organización
- Industry,Industry
- País
- Korea (Republic of), United States of America
- Publicado
- 1 October 2023
- Autores
- Taehoon Kim, Mark Marsden, Pyunghwan Ahn, Sangyun Kim, Sihaeng Lee, Alessandra Sala, Seung Hwan Kim
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Image captioning
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.
- parámetros
- 650M
- Datos de entrenamiento
- 108,800,000,000 tokens
BITTERS has 650 million parameters in total.
we train BITTERS using a new, quality-controlled 100 million image dataset which we will refer to as Text Image Pairs 100 Million (TIP100M) WaveVAE module We also resize each image to 256 × 256 × 3 We train the model for 3 epochs with a batch size of 480 Batch size: 1280 Number of updates: 2 epochs Image resolution: 256x256 Sequence length: 64 text tokens, 1024 image tokens
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.
- Cómputo de entrenamiento
- 7.8 × 10¹⁷ FLOP
- Cómo se estableció
- Operation counting
WaveVAE: "We train the model for 10 epochs with batch size 3840." "We reduced the number of parameters to 25 million in total" 25000*100000000*6*10=1.5e+14 BiART: "We train our model for 2 epochs in total with batch size 1280" "BITTERS has 650 million parameters in total" 650000000*100000000*6*2=7.8e+17 7.8e+17+1.5e+14=7.8015e+17
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
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Large-Scale Bidirectional Training for Zero-Shot Image Captioning
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
BITTERS fue publicado por LG,Shutterstock, en el país registrado como Korea (Republic of), durante October 2023. La organización editora está clasificada como industry,Industry.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image captioning.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 7.8 × 10¹⁷ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 108,800,000,000 tokens de texto
Respuestas
BITTERS — preguntas comunes
BITTERS— ¿cuándo fue lanzado?
Se publicó en October 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.
BITTERS— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image captioning. 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.
BITTERS— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.8 × 10¹⁷ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
BITTERS— ¿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.
BITTERS— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
BITTERS— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 650M. BITTERS has 650 million parameters in total. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
BITTERS— ¿Quién lo creó?
Fue publicado por LG,Shutterstock, basado en Korea (Republic of), una organización categorizada como industry,Industry.
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.