AR-LDM
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Alibaba,University of Waterloo,Vector Institute
- Typ organizacji
- Industry,Academia,Academia
- Kraj
- China, Canada
- Opublikowany
- 20 November 2022
- Autorzy
- Xichen Pan, Pengda Qin, Yuhong Li, Hui Xue, Wenhu Chen
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Image generation
- Zadanie
- Text-to-image
- Model bazowy
- Stable Diffusion (LDM-KL-8-G)
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 1.5B
- Dane treningowe
- tokens
- Epoki
- 50
Table 1
PororoSV, FlintstonesSV and VIST. All storytelling datasets, sizes would be possible to look up.
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 5.1 × 10²⁰ FLOP
- Jak to zostało ustalone
- Hardware
8 NVIDIA A100 GPUs for 8 days
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA A100
- Czas rzeczywisty
- 194 hours (8.1 days)
- Koszt obliczeniowy
- $746
8 NVIDIA A100 GPUs for 8 days
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Open (non-commercial)
no weights, no license. training and inference code here: https://github.com/xichenpan/ARLDM
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
- Cytaty
- 86
The first latent diffusion model for coherent visual story synthesizing. "Quantitative results show that AR-LDM achieves SoTA FID scores on PororoSV, FlintstonesSV, and the newly introduced challenging dataset VIST containing natural images"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Synthesizing Coherent Story with Auto-Regressive Latent Diffusion Models
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
AR-LDM został opublikowany przez Alibaba,University of Waterloo,Vector Institute, w kraju zapisanym jako China, podczas November 2022. Kategoria, do której należy wydawca, to industry,Academia,Academia.
Działa w dziedzinie Image generation, i jest zapisany jako wykonujący zadanie text-to-image.
Zamiast być trenowanym od podstaw, pochodzi z Stable Diffusion (LDM-KL-8-G). Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Szkolenie i pochodzenie
Wytworzenie tego wymagało arytmetyki sumującej około 5.1 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
AR-LDM — częste pytania
AR-LDM— kto to stworzył?
Zostało opublikowane przez Alibaba,University of Waterloo,Vector Institute, oparty na China, organizacja sklasyfikowana jako industry,Academia,Academia.
AR-LDM— kiedy to zostało wydane?
Zostało opublikowane w November 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
AR-LDM— do czego to służy?
Działa w dziedzinie Image generation, i jest zarejestrowany jako realizujący zadanie text-to-image. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
AR-LDM— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 5.1 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
AR-LDM— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
AR-LDM— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
AR-LDM— ile ma parametrów?
Ma liczbę parametrów równą 1.5B. Table 1. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.