ControlNet (SDv2)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
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
- Tipo di organizzazione
- Industry
- Paese
- United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 26 November 2023
- Autori
- Lvmin Zhang, Anyi Rao, Maneesh Agrawala
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Image generation
- Compito
- Image-to-image
- Modello di base
- Stable Diffusion 2.1
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
200k training samples
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
- 2.1 × 10¹⁹ FLOP
160000000000000 FLOP/GPU/sec [3090Ti reported, bf16 assumed] * 120 hours * 3600 sec / hour * 1 GPU * 0.3 [assumed utilization] = 20736000000000000000 FLOP
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 GeForce RTX 3090 Ti
- Chip utilizzati
- 1
- Tempo di parete
- 120 hours
- Consumo energetico
- 490 W
"one single NVIDIA RTX 3090Ti, and 5 days of training"
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
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Adding Conditional Control to Text-to-Image Diffusion Models
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Da dove è venuto
ControlNet (SDv2) è stato pubblicato da Stability AI, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante November 2023. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Image generation, ed è registrato come eseguire il compito di image-to-image.
Il suo punto di partenza era un modello di base esistente, Stable Diffusion 2.1. È per questo che condivide la forma e le dimensioni generali del modello base.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Risposte
ControlNet (SDv2) — domande comuni
ControlNet (SDv2)— 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.
ControlNet (SDv2)— chi l'ha creato?
È stato pubblicato da Stability AI, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come industry.
ControlNet (SDv2)— quando è stato rilasciato?
È stato pubblicato in November 2023. 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.
ControlNet (SDv2)— A cosa serve?
Funziona nel dominio di Image generation, e viene registrato come gestire il compito di image-to-image. 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.
ControlNet (SDv2)— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
ControlNet (SDv2)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.