OtterHD-8B
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Nanyang Technological University
- Organisatietype
- Academia
- Land
- Singapore
- Gepubliceerd
- 7 November 2023
- Auteurs
- Bo Li, Peiyuan Zhang, Jingkang Yang, Yuanhan Zhang, Fanyi Pu, Ziwei Liu
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Multimodal, Vision, Language
- Taak
- Chat, Visual question answering
- Basis model
- Fuyu-8B
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 8B
- Training gegevens
- 200,540,000 tokens
- Epochs
- 3
8B
"We compiled a total of 370K instruction/response pairs sourced from the follow- ing public datasets: LLaVA-Instruct [ 30], VQAv2 [2], GQA [ 23 ], OKVQA [ 36 ], OCRVQA [38 ], A-OKVQA [ 45], COCO-GOI [33 ], COCO-Caption [ 10], TextQA [ 48], RefCOCO [58], COCO-ITM [ 28 ], ImageNet [17 ], and LLaVA-RLHF [ 51 ]."
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Fijn-tuning compute
- 2.4 × 10¹⁹ FLOP
flops = (8) * (312 * 10**12) * (3 * 3 * 3600) * (0.3) = 2.4e19 (num gpu) * (peak flops) * (time in seconds) * (assumed utilization rate) 'Our implementation permits the completion of full-parameter training within 3 hours per epoch on 8×A100 GPUs. ' Table 4 indicates 3 epochs for the full finetune.
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100
- Gebruikte chips
- 8
- Chip-uren
- 24
- Kloktijd
- 9 hours
- Stroomverbruik
- 6.3 kW
3 hours per epoch over 3 epochs: 9 hours
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
- Citaties
- 85
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- OtterHD: A High-Resolution Multi-modality Model
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Achtergrond
OtterHD-8B werd gepubliceerd door Nanyang Technological University, in het land geregistreerd als Singapore, tijdens November 2023. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Multimodal, Vision, Language, en wordt geregistreerd als het uitvoeren van de taak van chat, Visual question answering.
Het startpunt was een bestaand basismodel, Fuyu-8B. Dat is waarom het de algemene vorm en grootte van het basismodell deelt.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Training en herkomst
Het is getraind op een corpus van ongeveer 200,540,000 tekstokens
Antwoorden
OtterHD-8B — veelgestelde vragen
OtterHD-8B— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
OtterHD-8B— hoeveel parameters heeft het?
Het heeft een parameter telling van 8B. 8B. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
OtterHD-8B— wie heeft het gemaakt?
Het werd gepubliceerd door Nanyang Technological University, gebaseerd op Singapore, een organisatie geclassificeerd als academia.
OtterHD-8B— wanneer is het uitgebracht?
Het werd gepubliceerd in November 2023. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
OtterHD-8B— waarvoor wordt het gebruikt?
Het werkt in het domein van Multimodal, Vision, Language, en wordt geregistreerd als het afhandelen van chat, Visual question answering. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
OtterHD-8B— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.