ERNIE-ViLG
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
- Baidu
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 31 December 2021
- Autori
- Han Zhang, Weichong Yin, Yewei Fang, Lanxin Li, Boqiang Duan, Zhihua Wu, Yu Sun, Hao Tian, Hua Wu, Haifeng Wang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Multimodal, Image generation, Vision, Language
- Compito
- Vision-language generation, Image generation, Text-to-image, Image captioning, Language modeling/generation, Visual question answering
- Approccio
- Self-supervised learning
- Formato numerico
- FP16
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
- 10B
- Dati di addestramento
- tokens
"To explore the landscape of large-scale pre-training for bidirectional text-image generation, we pre-train a 10-billion parameter model on a large-scale dataset of 145 million high-quality Chinese image-text pairs."
To explore the landscape of large-scale pre-training for bidirectional text-image generation, we pre-train a 10-billion parameter model on a large-scale dataset of 145 million high-quality Chinese image-text pairs.
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
it seems that the model was completely substituted by its successor ViLG 2.0 - I haven't found niether model weights nor code or API.
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Modello di base
- Yes
- Perché è monitorato
- SOTA improvement
- Citazioni
- 70
"we train a 10-billion parameter ERNIE-ViLG model on a large-scale dataset of 145 million (Chinese) image-text pairs which achieves state-of-the-art performance for both text-to-image and image-to-text tasks" "chieves state-of-the-art performance for both text-to-image and image-to-text tasks, obtaining an FID of 7.9 on MS-COCO for text-to-image synthesis and best results on COCO-CN and AIC-ICC for image captioning"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ERNIE-ViLG: Unified Generative Pre-training for Bidirectional Vision-Language Generation
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
ERNIE-ViLG è stato pubblicato da Baidu, nel paese registrato come China, durante December 2021. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Multimodal, Image generation, Vision, Language, ed è registrato come eseguire il compito di vision-language generation, Image generation, Text-to-image, Image captioning, Language modeling/generation, Visual question answering.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Addestramento e provenienza
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
ERNIE-ViLG — domande comuni
ERNIE-ViLG— chi l'ha creato?
È stato pubblicato da Baidu, basato su China, un'organizzazione categorizzata come industry.
ERNIE-ViLG— quando è stato rilasciato?
È stato pubblicato in December 2021. 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.
ERNIE-ViLG— A cosa serve?
Funziona nel dominio di Multimodal, Image generation, Vision, Language, e viene registrato come gestire il compito di vision-language generation, Image generation, Text-to-image, Image captioning, Language modeling/generation, Visual question answering. 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.
ERNIE-ViLG— 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.
ERNIE-ViLG— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
ERNIE-ViLG— quanti parametri ha?
Ha un numero di parametri di 10B. "To explore the landscape of large-scale pre-training for bidirectional text-image generation, we pre-train a 10-billion parameter model on a large-scale dataset of 145 million high-quality Chinese image-text pairs.". 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.
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.