ViT-G/14
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
- Google Brain,Google Research
- Type d'organisation
- Industry,Industry
- Pays
- United States of America
- Publié
- 8 June 2021
- Auteurs
- X Zhai, A Kolesnikov, N Houlsby, L Beyer
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision
- Tâche
- Image classification
- Approche
- Self-supervised learning
- Format numérique
- BF16
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
- 1.8B
- Données d'entraînement
- 3,000,000,000 tokens
- Époques
- 54.6
- Taille de lot
- 32,768
Table 2 of paper
"For this study, we use the proprietary JFT-3B dataset, a larger version of the JFT-300M dataset used in many previous works on large-scale computer vision models [31, 18, 11]. This dataset consists of nearly 3 billion images, annotated with a class-hierarchy of around 30k labels via a semi-automatic pipeline" Epochs: 5M steps (Table 11) * 32768 (batch size) / 3B = 54.6 epochs
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.
- Calcul de formation
- 5.9 × 10²² FLOP
- Comment cela a été établi
- Hardware,Operation counting
Digitizing Figure 9 indicates training used 27,200 TPUv3 core-days. TPUv3 is 123 teraflop/s per chip, 2 cores per chip. 1.23e14 * (1/2) * 27,200 * 24 * 3600 * 0.4 = 5.78e22 Alternatively, Table 2 indicates 965.3e9 FLOPs per forward pass on a 224^2 image. Table 4 indicates 5 million steps at a (normalized) batch size of 4096, and total flops including backward pass would be 3x the FLOPs from forward passes alone, so we get: 4096 * 5e6 * 965.3e9 * 3 = 5.93e22 (Note that actual batch size appear…
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
- Google TPU v3
- Chips utilisés
- 2,048
- Consommation d'énergie
- 1.9 MW
- Coût de calcul
- $3,848
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
- Open source
About the weights: https://twitter.com/giffmana/status/1402507421029916672 About the code: Apache 2.0 https://github.com/google-research/big_vision/blob/main/big_vision/configs/proj/scaling_laws/train_vit_g.py
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.
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Confident
- Citations
- 1,393
"we successfully train a ViT model with two billion parameters, which attains a new state-of-the-art on ImageNet of 90.45% top-1 accuracy"
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Scaling Vision Transformers
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Ce que ce modèle est
ViT-G/14 a été publié par Google Brain,Google Research, dans le pays enregistré comme United States of America, durant June 2021. L'organisation de publication est catégorisée comme industry,Industry.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de image classification.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Qu'est-ce qui a été nécessaire pour le construire
La production a nécessité des calculs totalisant environ 5.9 × 10²² FLOP, sur matériel enregistré comme Google TPU v3. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Il a été entraîné sur un corpus d'environ 3,000,000,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.
Réponses
ViT-G/14 — questions courantes
ViT-G/14— quand a-t-il été publié ?
Il a été publié dans June 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.
ViT-G/14— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, et est enregistré comme gérant la tâche de image classification. 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.
ViT-G/14— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 5.9 × 10²² FLOP, sur matériel enregistré comme Google TPU v3. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
ViT-G/14— 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.
ViT-G/14— 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.
ViT-G/14— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 1.8B. Table 2 of paper. 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.
ViT-G/14— qui l'a créé ?
Il a été publié par Google Brain,Google Research, basé sur United States of America, une organisation catégorisée comme industry,Industry.
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.