懂AI
ai_and_memory_wall

ai_and_memory_wall

行业领先模型的参数及内存使用情况的分析

此库提供了AI and Memory Wall论文中的数据，包括SOTA模型在计算机视觉、自然语言处理和语音学习领域的参数、特征大小和推理与训练所需的总FLOPs。详细统计涵盖BERT和GPT系列等模型，分析其内存使用和训练计算量。数据表格展示了各模型的输入分辨率、参数内存和总内存，为研究人员和开发者提供可靠的参考。

CV模型NLP模型SOTA模型内存占用训练FLOPsGithub开源项目
GitHub论文

AI与“记忆墙”项目介绍

项目背景

本项目是围绕“AI与记忆墙”（AI and Memory Wall）论文的数据集合，主要涉及计算机视觉（CV）、自然语言处理（NLP）和语音学习领域的最先进（SOTA）模型的内存占用和计算量（FLOPs）。项目通过对这些模型的参数数量、特征尺寸以及在推理和训练阶段的总FLOPs进行详细报告，帮助研究者深入了解当前模型的计算和内存需求。

自然语言处理（NLP）模型

在NLP领域，项目主要关注不同变种的Transformer模型。这些模型从BERT模型入手，分别计算了它们在训练和推理阶段的FLOPs，参数数量以及内存占用。这些信息让我们能清楚了解这些顶尖NLP模型在性能和资源消耗上的异同。

参数信息展示

项目为每个模型提供了详细的参数信息，包括序列标记尺寸（Token Size）、参数数量（#Params）、特征数量（#Features）、推理阶段的GFLOPs以及训练阶段的PFLOPs。例如，GPT-3模型在推理阶段需要740,000 GFLOPs，而在训练阶段则需要消耗310,000,000 PFLOPs。

计算机视觉（CV）模型

在CV领域，项目列出了多个重要的视觉模型，逐个分析它们的输入图像分辨率、参数数量、推理和训练阶段的GFLOPs和PFLOPs，从而对比这些模型的复杂程度和计算资源需求。

参数信息展示

例如，AlexNet需要1.4 GFLOPs用于推理，而ResNet152则需要23 GFLOPs。同时，训练阶段的资源消耗差异更大，InceptionV3在训练时需要100,000 PFLOPs，而DenseNet201仅需2,800 PFLOPs。

内存需求分析

除计算资源外，项目还提供了历年来不同SOTA模型所需的内存详细报告，包括存储参数所需的内存、优化算法相关的内存以及激活/特征内存等。通过这些信息，研究者可以更好地理解和优化内存使用问题。

示例分析

在2018年，BERT Large模型的总内存需求为18.34 GB，其中参数内存为1.32 GB，优化器内存为2.64 GB，激活内存则达到了14.38 GB。这反映出深度学习模型在提升性能的同时，也在内存消耗上带来了巨大挑战。

致谢

如果您认为此项目对您的研究工作有帮助，请引用以下论文：

Gholami A, Yao Z, Kim S, Mahoney MW, Keutzer K. AI and Memory Wall. RiseLab Medium Blog Post, University of California Berkeley, 2021, March 29.

此项目通过量化分析和数据支持，为研究者提供了对复杂AI模型内存和计算需求的准确认识，进而帮助设计更高效的AI解决方案。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多