DiT-XL/2 + Discriminator Guidance
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Korea Advanced Institute of Science and Technology (KAIST),NAVER
- Szervezet típusa
- Academia,Industry
- Ország
- Korea (Republic of)
- Közölt
- 28 November 2022
- Szerzők
- Dongjun Kim, Yeongmin Kim, Se Jung Kwon, Wanmo Kang, Il-Chul Moon
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Image generation
- Feladat
- Image generation, Text-to-image
- Alapmodell
- DiT-XL/2
- Numerikus formátum
- FP16
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 327,978,752 tokens
- Epochok
- 10
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA A100
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Open (non-commercial)
Attribution-NonCommercial-ShareAlike 4.0 International https://github.com/alsdudrla10/DG?tab=readme-ov-file I cannot see checkpoints / model weights in the repo
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Unknown
- Hivatkozások
- 110
"Using our algorithm, we achive state-of-the-art results on ImageNet 256x256 with FID 1.83 and recall 0.64, similar to the validation data's FID (1.68) and recall (0.66)"
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Refining Generative Process with Discriminator Guidance in Score-based Diffusion Models
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
DiT-XL/2 + Discriminator Guidance ki lett adva által Korea Advanced Institute of Science and Technology (KAIST),NAVER, az országban rögzítve mint Korea (Republic of), alatt November 2022. A kiadó szervezet a következő kategóriába tartozik academia,Industry.
Működik a területen a Image generation, és úgy van rögzítve, mint a feladat végrehajtása image generation, Text-to-image.
Ez alapoz. DiT-XL/2. Ez a szokásos módja egy specializált modell előállításának.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Hogyan lett betanítva
A képzés körülbelül egy korpuszt fogyasztott 327,978,752 szöveg tokenjei
Az oka, hogy egyáltalán megjelenik ebben a katalógusban: sOTA improvement.
Válaszok
DiT-XL/2 + Discriminator Guidance — gyakori kérdések
DiT-XL/2 + Discriminator Guidance— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
DiT-XL/2 + Discriminator Guidance— Ki készítette ezt?
Kiadta Korea Advanced Institute of Science and Technology (KAIST),NAVER, alapján Korea (Republic of), egy szervezet, amelyet kategorizáltak mint academia,Industry.
DiT-XL/2 + Discriminator Guidance— Mikor adták ki?
Kibocsátották a November 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
DiT-XL/2 + Discriminator Guidance— Mire használják?
Működik a területen a Image generation, és rögzítve van, hogy kezeli a feladatot image generation, Text-to-image. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
DiT-XL/2 + Discriminator Guidance— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
DiT-XL/2 + Discriminator Guidance— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..