Imagen
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
- Google Brain
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 23 May 2022
- Autores
- Chitwan Saharia, William Chan, Saurabh Saxena, Lala Li, Jay Whang, Emily Denton, Seyed Kamyar Seyed Ghasemipour, Burcu Karagol Ayan, S. Sara Mahdavi, Rapha Gontijo Lopes, Tim Salimans, Jonathan Ho, David J Fleet, Mohammad Norouzi
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
- Text-to-image, Image generation
- Enfoque
- Self-supervised learning
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
- 7.8B
- Datos de entrenamiento
- tokens
2B 64x64 generation model, 600M 64->256 super-resolution model, 400M 256->1024 super-resolution model Uses encodings from a frozen T5-XXL, which should be included in total parameter count. Loading the model directly, there are 4,762,310,656 parameters in the encoder. 2B + 4.762B + 600M + 400M = 7.762 billion here they claim it is 3B parameters: https://arxiv.org/pdf/2407.15811
[IMAGE-TEXT PAIRS] "We train on a combination of internal datasets, with ≈ 460M image-text pairs, and the publicly available Laion dataset [61], with ≈ 400M image-text pairs."
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
- 1.5 × 10²² FLOP
- Cómo se estableció
- Hardware
256 TPU v4 chips for 64x64, for 4 days 128 TPU v4 chips for 64->256, for 2 days 128 TPU v4 chips for 256->1024, for 2 days 256 TPUs * 275 teraFLOPS/TPU * 4 days + 2 * (128 TPUs * 275 teraFLOPS/TPU * 2 days) * 40% utilization = 1.46e+22 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
- Google TPU v4
- Chips utilizados
- 256
- Horas de chip
- 24,576
- Tiempo de reloj
- 96 hours
- Consumo de energía
- 174.7 kW
- Costo de cómputo
- $7,916
4 days
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
- API access
- 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.
- Modelo de Fundación
- Yes
- Por qué se rastrea
- Significant use,SOTA improvement,Highly cited
- Confianza de registro
- Likely
- Citas
- 8,259
"Imagen achieves a new state-of-the-art FID score of 7.27 on the COCO dataset, without ever training on COCO" Also SOTA on MS-COCO (Table 5: https://arxiv.org/pdf/2206.10789v1)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
Imagen fue publicado por Google Brain, en el país registrado como United States of America, durante May 2022. Sale de una organización categorizada como industry.
Funciona en el dominio de Image generation, y se registra como realizando la tarea de text-to-image, Image generation.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
Entrenarlo tomó un presupuesto de computación de aproximadamente 1.5 × 10²² FLOP, en hardware registrado como Google TPU v4. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Se rastrea en el conjunto de datos subyacente por una razón en particular: significant use,SOTA improvement,Highly cited.
Respuestas
Imagen — preguntas comunes
Imagen— ¿Para qué se utiliza?
Funciona en el dominio de Image generation, y se registra como manejando la tarea de text-to-image, Image generation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Imagen— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.5 × 10²² FLOP, en hardware registrado como Google TPU v4. 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.
Imagen— ¿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.
Imagen— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Imagen— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 7.8B. 2B 64x64 generation model, 600M 64->256 super-resolution model, 400M 256->1024 super-resolution model Uses encodings from a frozen T5-XXL, which should be included in total parameter count. Loading the model directly, there are 4,762,310,656 parameters in the encoder. 2B + 4.762B + 600M + 400M = 7.762 billion here they claim it is 3B parameters: https://arxiv.org/pdf/2407.15811. 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.
Imagen— ¿Quién lo creó?
Fue publicado por Google Brain, basado en United States of America, una organización categorizada como industry.
Imagen— ¿cuándo fue lanzado?
Se publicó en May 2022. 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.
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.