MODÈLES OUVERTS / Retouche et agrandissement d'images
Exécuter flux2_klein_9B_bnb_4bit_transformer sur un GPU cloud
flux2_klein_9B_bnb_4bit_transformer est un modèle Retouche et agrandissement d'images de OzzyGT. Découvrez la mémoire GPU nécessaire, les GPU sur lesquels il tient aujourd'hui et le coût pour l'exécuter vous-même, facturé à la seconde.
GPU compatibles aujourd'hui
Notre estimation : environ 13 Go pour l'inférence avec des poids U8, mémoire de travail incluse. L'usage réel dépend de la résolution, de la taille de lot et de la longueur de contexte.
| GPU | Mémoire | Par heure | 10 heures | |
|---|---|---|---|---|
| Tesla V100 | 16 GB | $0.20 | $2.00 | Louer |
| RTX A4000 | 16 GB | $0.21 | $2.10 | Louer |
| RTX 5060 Ti | 16 GB | $0.23 | $2.30 | Louer |
| RTX 2080 Ti | 22 GB | $0.25 | $2.50 | Louer |
| Q RTX 5000 | 16 GB | $0.27 | $2.70 | Louer |
Prix de départ en direct depuis notre catalogue. Vous payez à la seconde tant que la machine tourne.
Comment exécuter flux2_klein_9B_bnb_4bit_transformer
- 01
Louez un GPU
Choisissez l'un des GPU ci-dessus. Facturation à la seconde ; arrêtez la machine et la facturation s'arrête.
- 02
Ouvrez un terminal ou Jupyter
Connectez-vous en SSH ou ouvrez Jupyter dans votre navigateur. PyTorch et CUDA sont prêts.
- 03
Téléchargez et lancez le modèle
Exécutez les commandes ci-dessous. Les poids sont téléchargés directement depuis Hugging Face sur votre machine.
pip install -U diffusers transformers accelerate
huggingface-cli download OzzyGT/flux2_klein_9B_bnb_4bit_transformer --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"Pourquoi l'exécuter vous-même ?
La retouche par lots et l'agrandissement sont des tâches lourdes. Un GPU cloud les termine vite, et la facturation s'arrête avec le travail.
Questions
- De combien de mémoire GPU flux2_klein_9B_bnb_4bit_transformer a-t-il besoin ?
- Selon notre estimation, environ 13 Go pour l'inférence (9.2B paramètres). Une résolution plus élevée, un contexte plus long ou des lots plus grands demandent davantage.
- Combien coûte l'exécution de flux2_klein_9B_bnb_4bit_transformer ?
- À partir de $0.20 de l'heure sur Tesla V100, facturé à la seconde. Dix heures coûtent environ $2.00.
- Faut-il un abonnement ?
- Non. Vous payez uniquement le temps de fonctionnement de votre machine, depuis votre solde en USD. Arrêtez-la quand vous avez terminé.
Essayez-le sur votre propre GPU en quelques minutes
Choisissez un GPU, ouvrez Jupyter ou SSH et exécutez n'importe quel modèle ouvert. Vous payez à la seconde et pouvez arrêter à tout moment ; sans abonnement ni frais d'installation.
- Facturation à la seconde en USD
- PyTorch et CUDA prêts en quelques minutes
- Louez aussi depuis ChatGPT ou Claude