ALIGN
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 Research
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 11 June 2021
- Autores
- Chao Jia, Yinfei Yang, Ye Xia, Yi-Ting Chen, Zarana Parekh, Hieu Pham, Quoc V. Le, Yunhsuan Sung, Zhen Li, Tom Duerig
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Multimodal, Vision, Language
- Tarea
- Representation learning, Image classification, Image representation
- 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
- 820M
- Datos de entrenamiento
- 1,800,000,000 tokens
- Tamaño de lote
- 16,384
From author communication 480M (image tower) + 340 M (text tower)
Dataset contains 1.8B image-text pairs, then some duplicates are removed.
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
- 2.6 × 10²² FLOP
- Cómo se estableció
- Hardware
From author communication 14.82K TPUv3 core-days Precision: bfloat16 Estimation TPUv3 at float16: 123 TFLOPS/chip 123*10^12 TFLOPS/chip * (1 chip / 2 cores) * 14820 TPU core-days * 86400 s/day * 33% utilization = 2.599*10^22 FLOP https://www.wolframalpha.com/input?i=14820+days+*+123+teraFLOPS+%2F+2+*+0.33
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 v3
- Chips utilizados
- 512
- Horas de chip
- 177,818
- Tiempo de reloj
- 347 hours (14.5 days)
- Consumo de energía
- 466.1 kW
- Costo de cómputo
- $32,853
14820 TPU core-hours / 1024 TPU cores = 347.3 hours
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.
- Por qué se rastrea
- Highly cited,SOTA improvement
- Confianza de registro
- Confident
- Citas
- 5,463
"The aligned visual and language representations... set new state-of-the-art results on Flickr30K and MSCOCO image-text retrieval benchmarks"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Scaling up visual and vision-language representation learning with noisy text supervision
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
ALIGN fue publicado por Google Research, en el país registrado como United States of America, durante June 2021. La organización editora está clasificada como industry.
Funciona en el dominio de Multimodal, Vision, Language, y se registra como realizando la tarea de representation learning, Image classification, Image representation.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
Producirlo requirió una aritmética que totaliza alrededor de 2.6 × 10²² FLOP, en hardware registrado como Google TPU v3. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 1,800,000,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: highly cited,SOTA improvement.
Respuestas
ALIGN — preguntas comunes
ALIGN— ¿Para qué se utiliza?
Funciona en el dominio de Multimodal, Vision, Language, y se registra como manejando la tarea de representation learning, Image classification, Image representation. 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.
ALIGN— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.6 × 10²² FLOP, en hardware registrado como Google TPU v3. 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.
ALIGN— ¿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.
ALIGN— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
ALIGN— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 820M. From author communication 480M (image tower) + 340 M (text tower). 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.
ALIGN— ¿Quién lo creó?
Fue publicado por Google Research, basado en United States of America, una organización categorizada como industry.
ALIGN— ¿cuándo fue lanzado?
Se publicó en June 2021. 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.