RQ-Transformer (LSUN-cat dataset)
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
- Kakao,POSTECH
- Typ organizacji
- Industry,Academia
- Kraj
- Korea (Republic of)
- Opublikowany
- 3 March 2022
- Autorzy
- Doyup Lee, Chiheon Kim, Saehoon Kim, Minsu Cho, Wook-Shin Han
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Image generation
- Zadanie
- Text-to-image, Image generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 612M
- Dane treningowe
- 106,065,024 tokens
- Epoki
- 200
612M from Table 5 - LSUN-cat row we provide details for LSUN-cat with largest compute
size of LSUN-cat
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
- 2.9 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
"We use eight NVIDIA A100 GPUs to train RQ-Transformer of 1.4B parameters, and four GPUs to trainRQ-Transformers of other sizes. The training time is <9 days for LSUN-cat, LSUN-bedroom, <4.5 days for ImageNet, and CC-3M, and <1 day for LSUN-church and FFHQ. " we provide details for LSUN-cat with largest compute flops = (4) * (3.12e14) * (9*24 * 3600) * (0.3) = 2.9113344e+20 (num gpu) * (peak flops) * (time in seconds) * (assumed utilization rate)
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
- Zastosowane chipy
- 4
- Czas-chip
- 864
- Czas rzeczywisty
- 216 hours (9 days)
- Pobór mocy
- 3.2 kW
9 days for LSUN-cat "We use eight NVIDIA A100 GPUs to train RQ-Transformer of 1.4B parameters, and four GPUs to trainRQ-Transformers of other sizes. The training time is <9 days for LSUN-cat, LSUN-bedroom, <4.5 days for ImageNet, and CC-3M, and <1 day for LSUN-church and FFHQ. "
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 763
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Autoregressive Image Generation using Residual Quantization
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
O tym modelu
RQ-Transformer (LSUN-cat dataset) został opublikowany przez Kakao,POSTECH, w kraju zapisanym jako Korea (Republic of), podczas March 2022. Organizacja publikująca jest klasyfikowana jako industry,Academia.
Działa w dziedzinie Image generation, i jest zapisany jako wykonujący zadanie text-to-image, Image generation.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 2.9 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Został wytrenowany na korpusie około 106,065,024 Tokeny tekstu.
Odpowiedzi
RQ-Transformer (LSUN-cat dataset) — częste pytania
RQ-Transformer (LSUN-cat dataset)— ile ma parametrów?
Ma liczbę parametrów równą 612M. 612M from Table 5 - LSUN-cat row we provide details for LSUN-cat with largest compute. 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.
RQ-Transformer (LSUN-cat dataset)— kto to stworzył?
Zostało opublikowane przez Kakao,POSTECH, oparty na Korea (Republic of), organizacja sklasyfikowana jako industry,Academia.
RQ-Transformer (LSUN-cat dataset)— kiedy to zostało wydane?
Zostało opublikowane w March 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
RQ-Transformer (LSUN-cat dataset)— do czego to służy?
Działa w dziedzinie Image generation, i jest zarejestrowany jako realizujący zadanie text-to-image, Image generation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
RQ-Transformer (LSUN-cat dataset)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.9 × 10¹⁸ 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.
RQ-Transformer (LSUN-cat dataset)— 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.
RQ-Transformer (LSUN-cat dataset)— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
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.