热门标签
热门文章
- 1天池-零基础入门CV-街景字符编码识别-数据读取与扩增_imgaug的颜色扩增
- 2百度文心一言接入教程-Java版_文心一言开源路经
- 3nginx知识梳理（收藏版）_niginx 相关知识
- 4iOS APP版本更新跳转到App Store下载/更新方法
- 5AES-CBC加密流程和一些对于编码的心得
- 6解决Windows11系统文件夹wintrust.dll丢失出现错误提示问题_wintrust.dll怎么修复
- 7vue.js AEC代码编辑器_vue集成js脚本编辑器
- 8怎么获取 API Key：一步步指南_apikey生成
- 9一款非常棒的单兵渗透系统_单兵渗透测试系统
- 10Python 基于 Django 的学生成绩管理系统，可视化界面_学生管理系统python管理员能够按课程统计成绩并以图形形式展示
当前位置: article > 正文
Stable Diffusion模型运算量分析_stable diffusion参数量
作者：很楠不爱3 | 2024-04-15 08:27:39
赞
踩
stable diffusion参数量
准备
模型的参数量和计算量参考: ThanatosShinji/onnx-tool: ONNX model's shape inference and MACs(FLOPs) counting. (github.com)这四个模型就是Stable Diffusion 1.4 最主要的4个onnx模型:
github中的百度网盘可以下载带中间tensor shape的模型. 比如:
TextEncoder
这个模型很像BERT, 12 layers的Bert Base. 运算量6.7GMACs.
和 BertBase一样, 运算量98%都集中在MatMul上面.
这个token生成了1x77x768的hidden state需要送给UNetCondition.
UNet2DCondition
这个就是UNet
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/很楠不爱3/article/detail/426776
推荐阅读
相关标签
