Depth Anything V2 Large TPS-rekenmachine

Open gewichten Tik Tok,Hong Kong University 335.3M parameters October 2024

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

818 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Tesla C1080

4 GB · Q8_0 · 110 tok/s

Snelste kaart

B200

10,105 tok/s · 180 GB

Welke GPU's kunnen draaien Depth Anything V2 Large?

Stel de invoer in, lees het antwoord

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

818 kaarten passen

Berekenen
Heeft Kwantificatie Past
10,105 tok/s

6,063–16,168 · lage vertrouwen

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 1.1 GB Q8_0 Comfortabel
10,105 tok/s

6,063–16,168 · lage vertrouwen

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 1.1 GB Q8_0 Comfortabel
8,069 tok/s

4,842–12,911 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 1.1 GB Q8_0 Comfortabel
8,069 tok/s

4,842–12,911 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 1.1 GB Q8_0 Comfortabel
6,453 tok/s

3,872–10,325 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 1.1 GB Q8_0 Comfortabel
6,177 tok/s

3,706–9,883 · lage vertrouwen

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 1.1 GB Q8_0 Comfortabel
6,177 tok/s

3,706–9,883 · lage vertrouwen

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 1.1 GB Q8_0 Comfortabel
5,911 tok/s

3,547–9,458 · lage vertrouwen

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 1.1 GB Q8_0 Comfortabel
5,246 tok/s

3,148–8,394 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 1.1 GB Q8_0 Comfortabel
5,246 tok/s

3,148–8,394 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 1.1 GB Q8_0 Comfortabel
5,246 tok/s

3,148–8,394 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 1.1 GB Q8_0 Comfortabel
4,977 tok/s

2,986–7,963 · lage vertrouwen

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 1.1 GB Q8_0 Comfortabel
4,244 tok/s

2,546–6,791 · lage vertrouwen

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Comfortabel
4,244 tok/s

2,546–6,791 · lage vertrouwen

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 1.1 GB Q8_0 Comfortabel
4,244 tok/s

2,546–6,791 · lage vertrouwen

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Comfortabel
4,244 tok/s

2,546–6,791 · lage vertrouwen

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Comfortabel
4,244 tok/s

2,546–6,791 · lage vertrouwen

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Comfortabel
3,232 tok/s

1,939–5,171 · lage vertrouwen

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 1.1 GB Q8_0 Comfortabel
3,232 tok/s

1,939–5,171 · lage vertrouwen

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 1.1 GB Q8_0 Comfortabel
2,693 tok/s

1,616–4,309 · lage vertrouwen

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 1.1 GB Q8_0 Comfortabel
2,636 tok/s

1,581–4,217 · lage vertrouwen

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 1.1 GB Q8_0 Comfortabel
2,577 tok/s

1,546–4,123 · lage vertrouwen

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 1.1 GB Q8_0 Comfortabel
2,577 tok/s

1,546–4,123 · lage vertrouwen

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 1.1 GB Q8_0 Comfortabel
2,577 tok/s

1,546–4,123 · lage vertrouwen

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 1.1 GB Q8_0 Comfortabel
2,577 tok/s

1,546–4,123 · lage vertrouwen

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 1.1 GB Q8_0 Comfortabel

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

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
Tik Tok,Hong Kong University
Organisatietype
Industry,Academia
Land
China, Hong Kong
Gepubliceerd
20 October 2024
Auteurs
Lihe Yang, Bingyi Kang, Zilong Huang, Zhen Zhao, Xiaogang Xu, Jiashi Feng, Hengshuang Zhao

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein
3D modeling
Taak
3D reconstruction

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
335.3M

335.3M

Training gegevens
tokens

"Depth Anything V2 is trained from 595K synthetic labeled images and 62M+ real unlabeled image" "All images are trained at the resolution of 518×518 by resizing the shorter size to 518 followed by a random crop. When training the teacher model on synthetic images, we use a batch size of 64 for 160K iterations. In the third stage of training on pseudo-labeled real images, the model is trained with a batch size of 192 for 480K iterations. "

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
Open — downloadable
Toegang tot model
Open weights (non-commercial)
Training code
Unreleased

Creative Commons Attribution Non Commercial 4.0 https://huggingface.co/depth-anything/Depth-Anything-V2-Large

Hugging Face
depth-anything

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

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie
Depth Anything V2
Laatst bijgewerkt
28 November 2025

De extremen

De tien snelste GPU's die draaien Depth Anything V2 Large

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 10,105 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 10,105 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 8,069 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 8,069 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 6,453 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 6,177 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 6,177 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 5,911 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 5,246 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 5,246 tok/s

De kleinste GPU's die nog steeds draaien Depth Anything V2 Large

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

  1. 01 GeForce RTX 4010 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 121 tok/s
  2. 02 RTX A400 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 121 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 162 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 243 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 43.1 tok/s
  6. 06 Radeon RX 6450M 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 126 tok/s
  7. 07 Radeon RX 6550M 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 142 tok/s
  8. 08 Radeon RX 6550S 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 126 tok/s
  9. 09 Arc A310 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 102 tok/s
  10. 10 Arc Pro A30M 4 GB · Heeft 1.1 GB · Q8_0 · Comfortabel 105 tok/s

Wat de cijfers betekenen

Hardwarevereisten in de praktijk

Minimum kaart

Tesla C1080

Geheugen nodig

1.1 GB

Snelste

10,105 tok/s

Depth Anything V2 Large bereikt een parameter telling van 335.3M. Dat is klein genoeg zodat hardware zelden de obstakel is, inclusief op kaarten van enkele jaren oud. Het aantal kaarten dat we volgen die het kunnen draaien: 818.

Het toegangspunt is Tesla C1080, met een geheugen capaciteit van 4 GB, het draaien ervan met een compressie van Q8_0 en produceren rond 110 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 10,105 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Over dit model

Depth Anything V2 Large werd gepubliceerd door Tik Tok,Hong Kong University, in het land geregistreerd als China, tijdens October 2024. De categorie waaronder de uitgever valt is industry,Academia.

Het werkt in het domein van 3D modeling, en wordt geregistreerd als het uitvoeren van de taak van 3D reconstruction.

Omdat de gewichten zijn vrijgegeven, hangt niets over het uitvoeren ervan af van een leverancier die beschikbaar blijft — het is van jou zodra het is gedownload. Op Hugging Face is het gepubliceerd onder de organisatie depth-anything.

Hoe snel het draait, en waarom

De mediaanresultaat is rond 283.8 tokens per second. Outright de leessnelheid overschrijden. 818 van hen

Het is een dicht model, dus elke parameter wordt gelezen voor elk token dat wordt geproduceerd. Dat maakt de snelheid bijna precies het geheugenbandbreedte bijhouden — een kaart met twee keer de bandbreedte genereert ongeveer twee keer zo snel.

De interne architectuur is niet gedocumenteerd, dus het geheugen wordt geschat op basis van het aantal parameters en dienovereenkomstig gemarkeerd. Verwacht dat de werkelijke waarde verschilt, vooral bij lange context.

Stap voor stap

Hoe een GPU te kiezen voor Depth Anything V2 Large

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

  1. 01

    Controleer wat het nodig heeft voordat iets anders.

    Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van Depth Anything V2 Large, ongeveer nodig 1.1 GB bij een compressie van Q8_0. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.

  2. 02

    Stem de context af op uw werkelijke gebruik

    Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor Depth Anything V2 Large.

  3. 03

    Bepaal hoeveel compressie je accepteert

    De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt., bereiken van een compressie van Q8_0 op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.

  4. 04

    Vergelijk tokens per seconde, niet specificaties

    Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor Depth Anything V2 Large. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 10,105 tok/s

  5. 05

    Controleer het geschiktheidsadvies voordat je koopt

    Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van Depth Anything V2 Large. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.

  6. 06

    Controleer de kaart vanaf de andere kant

    Het volgen van een GPU-kaart naar zijn eigen pagina toont elk ander model dat het kan bevatten, wat de vraag is die volgt zodra je je hebt ingesteld op Depth Anything V2 Large.

Antwoorden

Depth Anything V2 Large — veelgestelde vragen

01

Depth Anything V2 Large— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Tesla C1080, met een geheugen capaciteit van 4 GB. Het draait het model op een compressie van Q8_0 ongeveer 1.1 GB, en produceert ongeveer 110 tokens per second. Het aantal kaarten dat het totaal kan draaien: 818.

02

Depth Anything V2 Large— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 10,105 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 818.

03

Depth Anything V2 Large— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 1.1 GB bij een compressie van Q8_0, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

04

Depth Anything V2 Large— kan ik het draaien op een GPU met 8 GB?

Ja. De GPU kaart CMP 170HX 8 GB, houden 8 GB, draait het met een compressie van Q8_0, ongeveer 1.1 GB en genereren ongeveer 1,882 tokens per second. De fit is comfortabel.

05

Depth Anything V2 Large— kan ik het draaien op een GPU met 12 GB?

Ja. De GPU kaart GeForce RTX 3080 Ti, houden 12 GB, draait het met een compressie van Q8_0, ongeveer 1.1 GB en genereren ongeveer 1,152 tokens per second. De fit is comfortabel.

06

Depth Anything V2 Large— kan ik het draaien op een GPU met 16 GB?

Ja. De GPU kaart Tesla V100 SXM2 16 GB, houden 16 GB, draait het met een compressie van Q8_0, ongeveer 1.1 GB en genereren ongeveer 1,427 tokens per second. De fit is comfortabel.

07

Depth Anything V2 Large— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q8_0, ongeveer 1.1 GB en genereren ongeveer 1,693 tokens per second. De fit is comfortabel.

08

Depth Anything V2 Large— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

09

Depth Anything V2 Large— hoeveel parameters heeft het?

Het heeft een parameter telling van 335.3M. 335.3M. 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.

10

Depth Anything V2 Large— wie heeft het gemaakt?

Het werd gepubliceerd door Tik Tok,Hong Kong University, gebaseerd op China, een organisatie geclassificeerd als industry,Academia.

11

Depth Anything V2 Large— wanneer is het uitgebracht?

Het werd gepubliceerd in October 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

12

Depth Anything V2 Large— waarvoor wordt het gebruikt?

Het werkt in het domein van 3D modeling, en wordt geregistreerd als het afhandelen van 3D reconstruction. 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.

13

Depth Anything V2 Large— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie depth-anything. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

14

Depth Anything V2 Large— kan ik het draaien als het niet in mijn GPU past?

Gedeeltelijk. Layers die niet passen, bevinden zich in system memory en draaien met een fractie van de snelheid, dus een grotendeels gedeactiveerd model is zelden de moeite waard om te gebruiken. Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

15

Depth Anything V2 Large— Zouden twee GPU's het sneller draaien?

Een tweede kaart verdubbelt ruwweg het beschikbare geheugen, maar niet de generatie snelheid. Het aantal dat al in staat is om het alleen te draaien: 818. Dus een tweede card is zelden het antwoord hier.

16

Depth Anything V2 Large— waarom verschilt de quantisatie tussen kaarten?

Een grotere CARD houdt een nauwkeuriger kopie. Het aantal compressieniveaus dat gebruikt wordt op de CARDS die het draaien: 1. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

17

Depth Anything V2 Large— hoe nauwkeurig zijn deze snelheidsschattingen?

Elke waarde is afgeleid van het geheugenbandbreedte en de modelgrootte, niet geverifieerd, wat de reden is dat elke waarde als een bereik in plaats van een enkel getal wordt gepubliceerd. Eén voorbeeld: 6,063–16,168 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

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.

Alle AI-modellen