BITTERS
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
- LG,Shutterstock
- Organisatietype
- Industry,Industry
- Land
- Korea (Republic of), United States of America
- Gepubliceerd
- 1 October 2023
- Auteurs
- Taehoon Kim, Mark Marsden, Pyunghwan Ahn, Sangyun Kim, Sihaeng Lee, Alessandra Sala, Seung Hwan Kim
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision
- Taak
- Image captioning
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
- 650M
- Training gegevens
- 108,800,000,000 tokens
BITTERS has 650 million parameters in total.
we train BITTERS using a new, quality-controlled 100 million image dataset which we will refer to as Text Image Pairs 100 Million (TIP100M) WaveVAE module We also resize each image to 256 × 256 × 3 We train the model for 3 epochs with a batch size of 480 Batch size: 1280 Number of updates: 2 epochs Image resolution: 256x256 Sequence length: 64 text tokens, 1024 image tokens
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.
- Training rekenen
- 7.8 × 10¹⁷ FLOP
- Hoe het werd opgericht
- Operation counting
WaveVAE: "We train the model for 10 epochs with batch size 3840." "We reduced the number of parameters to 25 million in total" 25000*100000000*6*10=1.5e+14 BiART: "We train our model for 2 epochs in total with batch size 1280" "BITTERS has 650 million parameters in total" 650000000*100000000*6*2=7.8e+17 7.8e+17+1.5e+14=7.8015e+17
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Unreleased
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
- Likely
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Large-Scale Bidirectional Training for Zero-Shot Image Captioning
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
BITTERS werd gepubliceerd door LG,Shutterstock, in het land geregistreerd als Korea (Republic of), tijdens October 2023. De publicerende organisatie is geclassificeerd als industry,Industry.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van image captioning.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Training en herkomst
De training run verbruikte ongeveer 7.8 × 10¹⁷ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 108,800,000,000 tekstokens
Antwoorden
BITTERS — veelgestelde vragen
BITTERS— wanneer is het uitgebracht?
Het werd gepubliceerd in October 2023. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
BITTERS— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van image captioning. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
BITTERS— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 7.8 × 10¹⁷ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
BITTERS— 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.
BITTERS— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
BITTERS— hoeveel parameters heeft het?
Het heeft een parameter telling van 650M. BITTERS has 650 million parameters in total. 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.
BITTERS— wie heeft het gemaakt?
Het werd gepubliceerd door LG,Shutterstock, gebaseerd op Korea (Republic of), een organisatie geclassificeerd als industry,Industry.
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.