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

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。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多