Stability AI發(fā)布大型模型SDXL 0.9，并可以運(yùn)行在消費(fèi)級(jí)GPU上
AI科技儼然成為各大公司爭(zhēng)相研究的領(lǐng)域，而近日Stability AI宣布，旗下文字生成圖片模型SDXL 0.9已經(jīng)正式發(fā)布。
據(jù)悉，SDXL 0.9是在所有開源圖像模型中參數(shù)數(shù)量位居前茅，并且可以在消費(fèi)級(jí)GPU上運(yùn)行，還具備一個(gè)35億參數(shù)的基礎(chǔ)模型和一個(gè)66億參數(shù)的附加模型。
另外Stability AI還表示，SDXL0.9中使用了兩個(gè)CLIP模型，其中包括OpenCLIP vitg /14，這是迄今為止體積最大的OpenCLIP模型。憑借該模型，Stable Diffusion 可以創(chuàng)建深度更廣、分辨率更高的逼真圖像。
Stability AI同時(shí)表示，SDXL詳細(xì)介紹SDXL 0.9的模規(guī)范和更多ERP（www.multiable.com.cn）參數(shù)細(xì)節(jié)，預(yù)計(jì)該模型將在7月迎來(lái)1.0正式版本，并將在GitHub開源。
審核編輯：湯梓紅
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
gpu
+關(guān)注
關(guān)注
28文章
4948瀏覽量
131263 -
AI
+關(guān)注
關(guān)注
88文章
35164瀏覽量
280055
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
使用Openvino? GenAI運(yùn)行Sdxl Turbo模型時(shí)遇到錯(cuò)誤怎么解決?
使用 OpenVINO? GenAI 運(yùn)行 SDXL Turbo 模型。
遇到的錯(cuò)誤： RuntimeError :- Check ov_tokenizer || ov_detokenizer
Neither tokenizer
發(fā)表于 06-24 06:38
為什么無(wú)法在GPU上使用INT8 和 INT4量化模型獲得輸出？
安裝OpenVINO? 2024.0 版本。
使用 optimum-intel 程序包將 whisper-large-v3 模型轉(zhuǎn)換為 int 4 和 int8，并在 GPU 上使用 OpenVINO?
發(fā)表于 06-23 07:11
運(yùn)行在嵌入式系統(tǒng)上的emApps
在當(dāng)今快節(jié)奏的嵌入式系統(tǒng)世界中，靈活性和適應(yīng)性是嵌入式系統(tǒng)實(shí)現(xiàn)的關(guān)鍵。SEGGER推出了其最新創(chuàng)新：Embedded apps（emApps）應(yīng)用，類似于手機(jī)上的應(yīng)用程序，可以運(yùn)行在嵌入式系統(tǒng)上。
首創(chuàng)開源架構(gòu)，天璣AI開發(fā)套件讓端側(cè)AI模型接入得心應(yīng)手
時(shí)間。
這不僅僅是工具的升級(jí)，更是邁向智能體化用戶體驗(yàn)的關(guān)鍵基礎(chǔ)設(shè)施。
天璣AI開發(fā)套件 2.0，全面釋放天璣端側(cè)AI能力
去年，天璣AI開發(fā)套件一經(jīng)發(fā)布就廣受開發(fā)者好評(píng)和推薦。在MD
發(fā)表于 04-13 19:52
無(wú)法在GPU上運(yùn)行ONNX模型的Benchmark_app怎么解決？
在 CPU 和 GPU 上運(yùn)行OpenVINO? 2023.0 Benchmark_app推斷的 ONNX 模型。
在 CPU 上推理成功
發(fā)表于 03-06 08:02
無(wú)法在OVMS上運(yùn)行來(lái)自Meta的大型語(yǔ)言模型 （LLM），為什么?
無(wú)法在 OVMS 上運(yùn)行來(lái)自 Meta 的大型語(yǔ)言模型 （LLM），例如 LLaMa2。
從 OVMS GitHub* 存儲(chǔ)庫(kù)運(yùn)行 lla
發(fā)表于 03-05 08:07
從Open Model Zoo下載的FastSeg大型公共預(yù)訓(xùn)練模型，無(wú)法導(dǎo)入名稱是怎么回事？
從 Open Model Zoo 下載的 FastSeg 大型公共預(yù)訓(xùn)練模型。
運(yùn)行 converter.py 以將 FastSeg 大型模型轉(zhuǎn)換為中間表示 （IR）：
pyth
發(fā)表于 03-05 07:22
AMD將DeepSeek-V3模型集成至Instinct MI300X GPU
，DeepSeek-V3模型經(jīng)過了SGLang的強(qiáng)化，專門針對(duì)AI推理進(jìn)行了深度優(yōu)化。這意味著，當(dāng)該模型運(yùn)行在Instinct MI300X GPU
GPU是如何訓(xùn)練AI大模型的
在AI模型的訓(xùn)練過程中，大量的計(jì)算工作集中在矩陣乘法、向量加法和激活函數(shù)等運(yùn)算上。這些運(yùn)算正是GPU所擅長(zhǎng)的。接下來(lái)，AI部落小編帶您了解GPU
FP8數(shù)據(jù)格式在大型模型訓(xùn)練中的應(yīng)用
本文主要介紹了 FP8 數(shù)據(jù)格式在大型模型訓(xùn)練中的應(yīng)用、挑戰(zhàn)及最佳實(shí)踐，展示了 FP8 在提升訓(xùn)練速度和效率方面的潛力和實(shí)際效果。
GPU服務(wù)器AI網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)
眾所周知，在大型模型訓(xùn)練中，通常采用每臺(tái)服務(wù)器配備多個(gè)GPU的集群架構(gòu)。在上一篇文章《高性能GPU服務(wù)器AI網(wǎng)絡(luò)架構(gòu)（上篇）》中，我們對(duì)GPU
為什么ai模型訓(xùn)練要用gpu
GPU憑借其強(qiáng)大的并行處理能力和高效的內(nèi)存系統(tǒng)，已成為AI模型訓(xùn)練不可或缺的重要工具。
【「大模型時(shí)代的基礎(chǔ)架構(gòu)」閱讀體驗(yàn)】+ 未知領(lǐng)域的感受
再到大模型云平臺(tái)的構(gòu)建，此書都有提及和講解，循序漸進(jìn)，讓讀者可以由點(diǎn)及面，由面到體的來(lái)認(rèn)識(shí)大數(shù)據(jù)模型的體系架構(gòu)。
前言中，作者通過提出幾個(gè)問題來(lái)引導(dǎo)讀者閱讀思考——分布式AI計(jì)算依賴哪
發(fā)表于 10-08 10:40
英偉達(dá)發(fā)布AI模型 Llama-3.1-Nemotron-51B AI模型
模型在單個(gè)H100 GPU上的表現(xiàn)非常優(yōu)秀，在推理過程中可以在單個(gè) GPU 上
蘋果揭示AI新動(dòng)向:Apple Intelligence模型在谷歌云端芯片上預(yù)訓(xùn)練
蘋果公司在最新的技術(shù)論文中披露了一項(xiàng)重要信息，其全新的人工智能系統(tǒng)Apple Intelligence所依賴的模型并非傳統(tǒng)上大型科技公司首選的NVIDIA GPU，而是選擇了在谷歌設(shè)計(jì)
工商網(wǎng)監(jiān)
評(píng)論