AIGC的训练方法主要有两种：

  • Fine-tuning：在一个预训练好的大模型的基础上，针对特定的任务或领域进行微调，以提高模型的适应性和准确性。Fine-tuning通常需要较少的数据和时间，但也需要较多的计算资源和内存。
  • Scratch：从零开始构建一个新的模型，并使用大量的数据进行训练，以达到最优的效果。Scratch通常需要较多的数据和时间，但也可以自定义模型的结构和参数。

    AIGC的硬件资源配置表

    根据不同的训练方法和目标，AIGC的硬件资源配置表可能有所不同。这里是一个参考性的配置表，仅供参考：
训练方法 目标 GPU CPU 内存 硬盘
Fine-tuning 图像生成 RTX 4080 16GB 或以上 Intel Core i9-11900K 或以上 32GB 或以上 1TB SSD 或以上
Fine-tuning 文本生成 RTX 4090 24GB 或以上 Intel Core i9-11900K 或以上 64GB 或以上 2TB SSD 或以上
Scratch 图像生成 2 * RTX 3090Ti 24GB 或以上 Intel Core i9-11900K 或以上 64GB 或以上 4TB SSD 或以上
Scratch 文本生成 4 * RTX 3090Ti 24GB 或以上 Intel Core i9-11900K 或以上 128GB 或以上 8TB SSD 或以上