Stable Diffusion 1.4
Nincs becslés
Nincs hardver követelmény ennek a modellnek
Ez a modell súlyai nyilvánosak, de a paraméterszámokat nem tették közzé. Minden memória- és sebességszám ebből a számból indul, ezért inkább nem mutatunk semmit, mint egy hamisított becslést..
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
- Ludwig Maximilian University of Munich
- Szervezet típusa
- Academia
- Ország
- Germany
- Közölt
- 22 August 2022
- Szerzők
- Robin Rombach, Patrick Esser
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Image generation
- Feladat
- Image generation, Text-to-image
- Alapmodell
- Stable Diffusion 1.2
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
- tokens
225k steps at 512x512 on "laion-aesthetics v2 5+", with 10% dropping of text conditioning. Batch: 32 x 8 x 2 x 4 = 2048
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 5 × 10²² FLOP
- Hogyan jött létre
- Hardware
312000000000000 FLOP / GPU / sec * 150000 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 5.0544e+22 FLOP https://github.com/CompVis/stable-diffusion/blob/main/Stable_Diffusion_v1_Model_Card.md
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA A100 PCIe
- Használt chipek
- 256
- Teljesítményfogyasztás
- 153.9 kW
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
- Open — downloadable
- Modell hozzáférés
- Open weights (restricted use)
- Képzés kód
- Open (restricted use)
- Hugging Face
- CompVis
OpenRAIL license for weights https://huggingface.co/CompVis/stable-diffusion-v1-4 "The Responsible AI License allows users to take advantage of the model in a wide range of settings (including free use and redistribution) as long as they respect the specific use case restrictions outlined, which correspond to model applications the licensor deems ill-suited for the model or are likely to cause harm" Open RAIL-M license https://github.com/CompVis/stable-diffusion
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Stable Diffusion v1-4 Model Card
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
Stable Diffusion 1.4 ki lett adva által Ludwig Maximilian University of Munich, az országban rögzítve mint Germany, alatt August 2022. A kiadó kategóriája alá tartozik academia.
Működik a területen a Image generation, és úgy van rögzítve, mint a feladat végrehajtása image generation, Text-to-image.
Ahelyett, hogy nulláról lenne betanítva, az származik Stable Diffusion 1.2. Ezért osztja a bázismodell általános formáját és méretét.
Mivel a súlyai ki lettek adva, semmi sem függ attól, hogy egy szolgáltató elérhető marad-e - a tiéd, amint letöltötted. A Hugging Face-en az alábbi szervezet alatt van publikálva CompVis.
Képzés és származás
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 5 × 10²² FLOP, hardveren rögzítve NVIDIA A100 PCIe. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
Stable Diffusion 1.4 — gyakori kérdések
Stable Diffusion 1.4— Nyílt forráskódú?
Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.
Stable Diffusion 1.4— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
Stable Diffusion 1.4— Ki készítette ezt?
Kiadta Ludwig Maximilian University of Munich, alapján Germany, egy szervezet, amelyet kategorizáltak mint academia.
Stable Diffusion 1.4— Mikor adták ki?
Kibocsátották a August 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Stable Diffusion 1.4— Mire használják?
Működik a területen a Image generation, és rögzítve van, hogy kezeli a feladatot image generation, Text-to-image. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Stable Diffusion 1.4— Hol tudom letölteni?
Súlyait a Hugging Face-en tette közzé, a szervezet alatt CompVis. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.
Stable Diffusion 1.4— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5 × 10²² FLOP, hardveren rögzítve NVIDIA A100 PCIe. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
Stable Diffusion 1.4— Milyen GPU-ra van szükségem, hogy futtathassam?
Nem tudjuk megmondani. Nyílt súlyai vannak, de a paraméterek számát nem tették közzé, és minden memória- és sebességszámítás ebből a számból indul. Inkább nem mutatunk semmit, mint egy hamisított becslést.
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..