Stable Diffusion 1.4
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
- Ludwig Maximilian University of Munich
- Tipo di organizzazione
- Academia
- Paese
- Germany
- Pubblicato
- 22 August 2022
- Autori
- Robin Rombach, Patrick Esser
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Image generation
- Compito
- Image generation, Text-to-image
- Modello di base
- Stable Diffusion 1.2
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
225k steps at 512x512 on "laion-aesthetics v2 5+", with 10% dropping of text conditioning. Batch: 32 x 8 x 2 x 4 = 2048
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
- 5 × 10²² FLOP
- Come è stato stabilito
- 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
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 PCIe
- Chip utilizzati
- 256
- Consumo energetico
- 153.9 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 (restricted use)
- Codice di addestramento
- 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
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
- Stable Diffusion v1-4 Model Card
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Stable Diffusion 1.4 è stato pubblicato da Ludwig Maximilian University of Munich, nel paese registrato come Germany, durante August 2022. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Image generation, ed è registrato come eseguire il compito di image generation, Text-to-image.
Invece di essere addestrato da zero, è derivato da Stable Diffusion 1.2. È per questo che condivide la forma e le dimensioni generali del modello base.
Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato. Su Hugging Face è pubblicato sotto l'organizzazione CompVis.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 5 × 10²² FLOP, su hardware registrato come NVIDIA A100 PCIe. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Stable Diffusion 1.4 — domande comuni
Stable Diffusion 1.4— 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.
Stable Diffusion 1.4— 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.
Stable Diffusion 1.4— chi l'ha creato?
È stato pubblicato da Ludwig Maximilian University of Munich, basato su Germany, un'organizzazione categorizzata come academia.
Stable Diffusion 1.4— quando è stato rilasciato?
È stato pubblicato in August 2022. 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.
Stable Diffusion 1.4— A cosa serve?
Funziona nel dominio di Image generation, e viene registrato come gestire il compito di image generation, Text-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.
Stable Diffusion 1.4— Dove posso scaricarlo?
I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione CompVis. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.
Stable Diffusion 1.4— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 5 × 10²² FLOP, su hardware registrato come NVIDIA A100 PCIe. 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.
Stable Diffusion 1.4— 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.
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.