UniDiffuser (多模态大模型)

Megnyitás súlyok ShengShu,Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI May 2023

Nincs becslés

Ennekhez a modellhez nincs hardverkövetelmény

Ennek a modellnek a súlyai nyitottak, de egyetlen paraméterszám sem került nyilvánosságra. Minden memória- és sebességadat ebből a számából indul ki, így inkább nem mutatunk semmit, mint hogy egy megvezető becslést adjunk..

Felvételen

Teljes specifikáció

Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..

Eredet

Ki építette ezt a modellt, hol, és mikor publikálták.

Szervezet
ShengShu,Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI
Szervezet típusa
Industry,Academia,Academia
Ország
China
Kiadva
30 May 2023
Szerzők
Fan Bao, Shen Nie, Kaiwen Xue, Chongxuan Li, Shi Pu, Yaole Wang, Gang Yue, Yue Cao, Hang Su, Jun Zhu

Mit csinál

A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.

Irányítószám
Image generation
Feladat
Text-to-image, Image captioning, Image generation, Image-to-image

Méret

Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.

Képzési adatok
tokens

"The training is multiple-staged following Stable Diffusion (Rombach et al., 2022). In the first stage, we train 250K steps at 256×256 resolution on laion2B-en with a batch size of 11264 and 5K warm-up steps. In the second stage, we fine-tune the model with 200K steps at 512×512 resolution on laion-high-resolution with a batch size of 2112 and 5K warm-up steps. In the last stage, we resume from the last checkpoint of the second stage (including both weights of the model and states of the optimiz…

Képzés számítás

A modell betanításához végzett aritmetikai műveletek, amelyet lebegőpontos műveletekben mérnek. Ez a tréning futásának költségét méri, nem azt, hogy mennyire gyorsan válaszol a kész modell.

Képzés számítás
2 × 10²² FLOP

312000000000000 FLOP/GPU/sec * 672 hours * 3600 sec / hour * 88 GPUs * 0.3 [assumed utilization] = 1.992646656e+22 FLOP

Hogyan jött létre
Hardware

A képzési futam

A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.

Képzési hardver
NVIDIA A100 SXM4 80 GB
Felhasznált chipek
88
Wall-clock time
672 hours (28 days)

"The training takes around 28 days on 88 A100 (80GB) GPUs" 28 days = 672 hours

Energiafogyasztás
70.1 kW

Elérhetőség

Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.

Súlyok
Open — downloadable
Modell hozzáférés
Open weights (unrestricted)
Képzés kód
Unreleased

AGPL-3.0 https://github.com/thu-ml/unidiffuser https://huggingface.co/thu-ml/unidiffuser-v1

Hugging Face
thu-ml

Hogyan van besorolva

Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.

Rögzítési bizalom
Confident

Források

Honnan származik ez a rekord és mikor ellenőrizték utoljára.

Referencia
One Transformer Fits All Distributions in Multi-Modal Diffusion at Scale
Utoljára frissítve
11 February 2026

Mit jelentek a számok

Where it came from

UniDiffuser (多模态大模型) was published by ShengShu,Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, in China, in May 2023. industry,Academia,Academia is the category the publisher falls under.

It works in Image generation, and is recorded as doing text-to-image, Image captioning, Image generation, Image-to-image.

The weights being open is what puts this page in the calculator rather than only in the catalogue: it is a model you can actually hold. It is published under the thu-ml organisation on Hugging Face.

Training and provenance

The training run consumed about 2 × 10²² FLOP, on NVIDIA A100 SXM4 80 GB. That figure describes the cost of creating it and has no bearing on how quickly it generates text.

Válaszok

UniDiffuser (多模态大模型) — Gyakran ismételt kérdések

01

What GPU do I need to run UniDiffuser (多模态大模型)?

We cannot say. UniDiffuser (多模态大模型) has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.

02

Is UniDiffuser (多模态大模型) open source?

Its weights are published, so UniDiffuser (多模态大模型) can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.

03

How many parameters does UniDiffuser (多模态大模型) have?

No parameter count has been published for UniDiffuser (多模态大模型), which is why no memory or speed figure appears on this page.

04

Who created UniDiffuser (多模态大模型)?

UniDiffuser (多模态大模型) was published by ShengShu,Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, based in China, categorised as industry,Academia,Academia.

05

When was UniDiffuser (多模态大模型) released?

UniDiffuser (多模态大模型) was published in May 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.

06

What is UniDiffuser (多模态大模型) used for?

UniDiffuser (多模态大模型) works in Image generation, and is recorded as handling text-to-image, Image captioning, Image generation, Image-to-image. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.

07

Where can I download UniDiffuser (多模态大模型)?

Its weights are published under the thu-ml organisation on Hugging Face. We do not host model files — this site calculates what hardware is needed to run them.

08

How much compute was used to train UniDiffuser (多模态大模型)?

Around 2 × 10²² FLOP, on NVIDIA A100 SXM4 80 GB. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.

Forrás

Eredeti közzététel

Utolsó frissítés időpontja 11 February 2026

A másik irány

Másik oldalról nézve?

Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.