NÜWA
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Microsoft Research,Peking University
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America, China
- Pubblicato
- 24 November 2021
- Autori
- Chenfei Wu, Jian Liang, Lei Ji, Fan Yang, Yuejian Fang, Daxin Jiang, Nan Duan
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Multimodal, Vision, Image generation, Video, Language
- Compito
- Image generation, Video generation, Text-to-image, Text-to-video
- Approach
- Self-supervised learning
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Parametri
- 870M
- Dati di addestramento
- 5,547,780,000 tokens
Section 4.1
we first pre-train N ̈UWA on three datasets: Conceptual Captions [22] for text-to-image (T2I) generation, which includes 2.9M text-image pairs, Mo- ments in Time [26] for video prediction (V2V), which in- cludes 727K videos, and VATEX dataset [43] for text-to- video (T2V) generation, which includes 241K text-video pairs.
Addestramento computazionale
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto costato l'addestramento, non di quanto velocemente il modello finito ti risponde.
- Addestramento computazionale
- 7.2 × 10²¹ FLOP
- Come è stato stabilito
- Hardware
From AI Tracker: "Compute cost: End of Sec 4.1: "We pre-train on 64 A100 GPUs for two weeks". Half precision FLOPs of A100: 312000000000000 64 gpus *312000000000000 FLOPs *0.3 utilization * 14 day* (24*60*60) seconds / day=7.245988e+21
Il training run
Cosa è stato fisicamente necessario per addestrare: quali chip, quanti, per quanto tempo e cosa ha richiesto dalla rete elettrica.
- Hardware di addestramento
- NVIDIA A100
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
https://github.com/microsoft/NUWA
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Perché viene tracciato
- SOTA improvement
- Registrare fiducia
- Confident
- Citazioni
- 340
"NÜWA achieves state-of-the-art results on text-to-image generation, text-to-video generation, video prediction, etc"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- NÜWA: Visual Synthesis Pre-training for Neural visUal World creAtion
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Where it came from
NÜWA was published by Microsoft Research,Peking University, in United States of America, in November 2021. industry,Academia is the category the publisher falls under.
It works in Multimodal, Vision, Image generation, Video, Language, and is recorded as doing image generation, Video generation, Text-to-image, Text-to-video.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda grafica cambia ciò.
Formazione e provenienza
Producing it required around 7.2 × 10²¹ FLOP of arithmetic, on NVIDIA A100, which is a statement about the training budget rather than about inference.
It was trained on about 5,547,780,000 tokens of text.
Its inclusion criterion is sOTA improvement.
Risposte
NÜWA — Domande frequenti
Is NÜWA open source?
No. NÜWA has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does NÜWA have?
NÜWA has 870M parameters. Section 4.1. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created NÜWA?
NÜWA was published by Microsoft Research,Peking University, based in United States of America, categorised as industry,Academia.
When was NÜWA released?
NÜWA was published in November 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is NÜWA used for?
NÜWA works in Multimodal, Vision, Image generation, Video, Language, and is recorded as handling image generation, Video generation, Text-to-image, Text-to-video. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train NÜWA?
Around 7.2 × 10²¹ FLOP, on NVIDIA A100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run NÜWA?
None. NÜWA is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.