ERNIE-ViLG
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
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
- Baidu
- Type d'organisation
- Industry
- Pays
- China
- Publié
- 31 December 2021
- Auteurs
- Han Zhang, Weichong Yin, Yewei Fang, Lanxin Li, Boqiang Duan, Zhihua Wu, Yu Sun, Hao Tian, Hua Wu, Haifeng Wang
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Multimodal, Image generation, Vision, Language
- Tâche
- Vision-language generation, Image generation, Text-to-image, Image captioning, Language modeling/generation, Visual question answering
- Approche
- Self-supervised learning
- Format numérique
- FP16
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.
- paramètres
- 10B
- Données d'entraînement
- tokens
"To explore the landscape of large-scale pre-training for bidirectional text-image generation, we pre-train a 10-billion parameter model on a large-scale dataset of 145 million high-quality Chinese image-text pairs."
To explore the landscape of large-scale pre-training for bidirectional text-image generation, we pre-train a 10-billion parameter model on a large-scale dataset of 145 million high-quality Chinese image-text pairs.
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
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
it seems that the model was completely substituted by its successor ViLG 2.0 - I haven't found niether model weights nor code or API.
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.
- Modèle de fondation
- Yes
- Pourquoi c'est suivi
- SOTA improvement
- Citations
- 70
"we train a 10-billion parameter ERNIE-ViLG model on a large-scale dataset of 145 million (Chinese) image-text pairs which achieves state-of-the-art performance for both text-to-image and image-to-text tasks" "chieves state-of-the-art performance for both text-to-image and image-to-text tasks, obtaining an FID of 7.9 on MS-COCO for text-to-image synthesis and best results on COCO-CN and AIC-ICC for image captioning"
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- ERNIE-ViLG: Unified Generative Pre-training for Bidirectional Vision-Language Generation
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Contexte
ERNIE-ViLG a été publié par Baidu, dans le pays enregistré comme China, durant December 2021. L'organisation de publication est catégorisée comme industry.
Il fonctionne dans le domaine de Multimodal, Image generation, Vision, Language, et est enregistré comme exécutant la tâche de vision-language generation, Image generation, Text-to-image, Image captioning, Language modeling/generation, Visual question answering.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Entraînement et provenance
La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.
Réponses
ERNIE-ViLG — questions courantes
ERNIE-ViLG— qui l'a créé ?
Il a été publié par Baidu, basé sur China, une organisation catégorisée comme industry.
ERNIE-ViLG— quand a-t-il été publié ?
Il a été publié dans December 2021. 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.
ERNIE-ViLG— à quoi ça sert ?
Il fonctionne dans le domaine de Multimodal, Image generation, Vision, Language, et est enregistré comme gérant la tâche de vision-language generation, Image generation, Text-to-image, Image captioning, Language modeling/generation, Visual question answering. 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.
ERNIE-ViLG— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
ERNIE-ViLG— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
ERNIE-ViLG— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 10B. "To explore the landscape of large-scale pre-training for bidirectional text-image generation, we pre-train a 10-billion parameter model on a large-scale dataset of 145 million high-quality Chinese image-text pairs.". Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
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.