GigaGAN
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
- POSTECH,Carnegie Mellon University (CMU),Adobe
- Tipo di organizzazione
- Academia,Academia,Industry
- Paese
- Korea (Republic of), United States of America
- Pubblicato
- 19 June 2023
- Autori
- Minguk Kang, Jun-Yan Zhu, Richard Zhang, Jaesik Park, Eli Shechtman, Sylvain Paris, Taesung Park
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Image generation
- Compito
- Text-to-image, Image generation
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.
- parametri
- 1B
- Dati di addestramento
- 1,960,000,000 tokens
1B (Table 2)
[IMAGES] 0.98B of training images (table 2)
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.
- Calcolo di addestramento
- 3.9 × 10²² FLOP
- Come è stato stabilito
- Hardware
"GigaGAN and SD-v1.5 require 4,783 and 6,250 A100 GPU days" 312*10^12 FLOP / sec / GPU * 4783 GPU-days * 24 hours / day * 3600 sec / hour * 0.3 [assumed utilization] = 3.8680312e+22 FLOP
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
- Scaling up GANs for Text-to-Image Synthesis
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
GigaGAN è stato pubblicato da POSTECH,Carnegie Mellon University (CMU),Adobe, nel paese registrato come Korea (Republic of), durante June 2023. L'organizzazione di pubblicazione è classificata come academia,Academia,Industry.
Funziona nel dominio di Image generation, ed è registrato come eseguire il compito di text-to-image, Image generation.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 3.9 × 10²² FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 1,960,000,000 token di testo
Risposte
GigaGAN — domande comuni
GigaGAN— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 3.9 × 10²² FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
GigaGAN— 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.
GigaGAN— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GigaGAN— quanti parametri ha?
Ha un numero di parametri di 1B. 1B (Table 2). Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
GigaGAN— chi l'ha creato?
È stato pubblicato da POSTECH,Carnegie Mellon University (CMU),Adobe, basato su Korea (Republic of), un'organizzazione categorizzata come academia,Academia,Industry.
GigaGAN— quando è stato rilasciato?
È stato pubblicato in June 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.
GigaGAN— A cosa serve?
Funziona nel dominio di Image generation, e viene registrato come gestire il compito di text-to-image, Image generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.