MindEye2
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Stability AI,Medical AI Research Center (MedARC),Princeton University,University of Minnesota,University of Sydney,University of Waterloo
- Tipo di organizzazione
- Industry,Research collective,Academia,Academia,Academia,Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland, United States of America, Australia, Canada
- Pubblicato
- 15 June 2024
- Autori
- Paul S. Scotti, Mihir Tripathy, Cesar Kadir Torrico Villanueva, Reese Kneeland, Tong Chen, Ashutosh Narang, Charan Santhirasegaran, Jonathan Xu, Thomas Naselaris, Kenneth A. Norman, Tanishq Mathew Abraham
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Medicine, Vision, Image generation
- Compito
- Image captioning, Image generation
- Modello di base
- Stable Diffusion XL (SDXL)
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
- Epoche
- 150
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Come è stato stabilito
- Hardware
- Addestramento fine
- 8.1 × 10¹⁸ FLOP
312000000000000*24*3600*0.3 = 8.08704e+18
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA A100 SXM4 80 GB
- Chip utilizzati
- 8
- Chip-ore
- 24
- Consumo energetico
- 6.3 kW
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Open source
MIT License https://github.com/MedARC-AI/MindEyeV2/tree/main
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- MindEye2: Shared-Subject Models Enable fMRI-To-Image With 1 Hour of Data
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
MindEye2 è stato pubblicato da Stability AI,Medical AI Research Center (MedARC),Princeton University,University of Minnesota,University of Sydney,University of Waterloo, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante June 2024. La categoria sotto cui rientra l'editore è industry,Research collective,Academia,Academia,Academia,Academia.
Funziona nel dominio di Medicine, Vision, Image generation, ed è registrato come eseguire il compito di image captioning, Image generation.
Costruisce su Stable Diffusion XL (SDXL). Quello è il modo abituale in cui viene prodotto un modello specializzato.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.
Risposte
MindEye2 — domande comuni
MindEye2— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
MindEye2— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
MindEye2— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
MindEye2— chi l'ha creato?
È stato pubblicato da Stability AI,Medical AI Research Center (MedARC),Princeton University,University of Minnesota,University of Sydney,University of Waterloo, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come industry,Research collective,Academia,Academia,Academia,Academia.
MindEye2— quando è stato rilasciato?
È stato pubblicato in June 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
MindEye2— A cosa serve?
Funziona nel dominio di Medicine, Vision, Image generation, e viene registrato come gestire il compito di image captioning, Image generation. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
MindEye2— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.