Atom Brief

ابزار NeMo Automodel انویدیا اکنون مدل‌های ویدیو و تصویر Diffusers را تنظیم دقیق می‌کند

نوشته Atom Brief Editors

ابزار NeMo Automodel شامل مدل‌های FLUX.1، Qwen-Image، Wan و HunyuanVideo می‌شود و تنظیم دقیق کامل و LoRA را مستقیما از چک‌پوینت‌های Hugging Face و بدون نیاز به تبدیل اجرا می‌کند.

• مدل FLUX.1-dev (با 12 میلیارد پارامتر) در تنظیم دقیق کامل روی 8 پردازنده گرافیکی H100 به 35.51 تصویر در ثانیه می‌رسد.
• مدل Qwen-Image با 20 میلیارد پارامتر در همان تنظیم دقیق کامل، رکورد 41.21 تصویر در ثانیه را ثبت می‌کند.
• مدل FLUX.2-dev با 32 میلیارد پارامتر و مدل ویدیویی Wan 2.2 با 27 میلیارد پارامتر، هر دو دستورالعمل‌های LoRA را در رتبه 64 دریافت می‌کنند.

چرا مهم است: تنظیم دقیق مدلی با 32 میلیارد پارامتر همچنان به معنای اجاره سخت‌افزارهای خود انویدیا برای انجام این کار است.

Hugging Face blog (NVIDIA/Hugging Face teams) ↗ · ۲۶ تیر ۱۴۰۵۰۵/۴/۲۶ · ✓ بررسی‌شده✓