MindEye2
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle sont open, mais aucun compte de paramètres n'a été publié pour celui-ci. Chaque chiffre de mémoire et de vitesse commence à partir de ce nombre, donc nous préférerions ne rien montrer plutôt qu'une estimation fabriquée..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Stability AI,Medical AI Research Center (MedARC),Princeton University,University of Minnesota,University of Sydney,University of Waterloo
- Type d'organisation
- Industry,Research collective,Academia,Academia,Academia,Academia
- Pays
- United Kingdom of Great Britain and Northern Ireland, United States of America, Australia, Canada
- Publié
- 15 June 2024
- Auteurs
- Paul S. Scotti, Mihir Tripathy, Cesar Kadir Torrico Villanueva, Reese Kneeland, Tong Chen, Ashutosh Narang, Charan Santhirasegaran, Jonathan Xu, Thomas Naselaris, Kenneth A. Norman, Tanishq Mathew Abraham
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Medicine, Vision, Image generation
- Tâche
- Image captioning, Image generation
- Modèle de base
- Stable Diffusion XL (SDXL)
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- tokens
- Époques
- 150
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Comment cela a été établi
- Hardware
- Ajustement fin des calculs
- 8.1 × 10¹⁸ FLOP
312000000000000*24*3600*0.3 = 8.08704e+18
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA A100 SXM4 80 GB
- Chips utilisés
- 8
- Heures de puce
- 24
- Consommation d'énergie
- 6.3 kW
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Open — downloadable
- Accès au modèle
- Open weights (unrestricted)
- Code d'entraînement
- Open source
MIT License https://github.com/MedARC-AI/MindEyeV2/tree/main
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- MindEye2: Shared-Subject Models Enable fMRI-To-Image With 1 Hour of Data
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
MindEye2 a été publié par Stability AI,Medical AI Research Center (MedARC),Princeton University,University of Minnesota,University of Sydney,University of Waterloo, dans le pays enregistré comme United Kingdom of Great Britain and Northern Ireland, durant June 2024. La catégorie à laquelle appartient l'éditeur est industry,Research collective,Academia,Academia,Academia,Academia.
Il fonctionne dans le domaine de Medicine, Vision, Image generation, et est enregistré comme exécutant la tâche de image captioning, Image generation.
Il s'appuie sur Stable Diffusion XL (SDXL). C'est la façon habituelle de produire un modèle spécialisé.
Les poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel indéfiniment, hors ligne, sans compte associé.
Réponses
MindEye2 — questions courantes
MindEye2— Quelle GPU ai-je besoin pour l'exécuter ?
Nous ne pouvons pas dire. Il a des poids ouverts, mais aucun compte de paramètres n'a été publié pour cela, et chaque calcul de mémoire et de vitesse part de ce nombre. Nous préférerions ne rien montrer plutôt qu'une estimation fabriquée.
MindEye2— est-ce que c'est open source ?
Ses poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel. Notez que les poids ouverts ne sont pas la même chose que l'open source au sens plein — cela ne dit rien sur les données d'entraînement, le code d'entraînement ou les conditions commerciales attachées.
MindEye2— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
MindEye2— qui l'a créé ?
Il a été publié par Stability AI,Medical AI Research Center (MedARC),Princeton University,University of Minnesota,University of Sydney,University of Waterloo, basé sur United Kingdom of Great Britain and Northern Ireland, une organisation catégorisée comme industry,Research collective,Academia,Academia,Academia,Academia.
MindEye2— quand a-t-il été publié ?
Il a été publié dans June 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
MindEye2— à quoi ça sert ?
Il fonctionne dans le domaine de Medicine, Vision, Image generation, et est enregistré comme gérant la tâche de image captioning, Image generation. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
MindEye2— où puis-je le télécharger ?
Les poids sont publiés, bien que nous ne possédions pas de lien vers un dépôt pour cela. Ce site calcule les exigences matérielles plutôt que d'héberger des fichiers de modèle.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.