CODEFUSION (Python)
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Microsoft,Microsoft Research
- Typ organizace
- Industry,Industry
- Země
- United States of America
- Publikováno
- 26 October 2023
- Autoři
- Mukul Singh, José Cambronero, Sumit Gulwani, Vu Le, Carina Negreanu, Gust Verbruggen
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Code generation
- Přístup
- Self-supervised learning
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 75M
- Výcviková data
- 4,390,400 tokens
Table 1
Section A3, Table 5: for python, 56k samples with an average length of 78.4 tokens
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 7.9 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Hardware
V100 performance: 125 teraFLOPS according to https://www.nvidia.com/en-us/data-center/v100/ 11 hours * 4 GPUs * 125 teraFLOPS/GPU * 0.40 utilization = 7.92e18 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA V100
- Používané čipy
- 4
- Doba reálného času
- 11 hours
- Příkon
- 2.4 kW
- Náklady na výpočet
- $9
"The system used to run the experiments uses an Intel Core i7 processor (base at 1.8 GHz) along with 4 V100 GPU units, a 64-bit operating system, and 56 GB RAM. CODEFUSION took 8 hours to pre-train and 3 hours to fine-tune on average for each dataset."
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Confident
- Citace
- 57
See Table 1, SOTA in Python code generation "We evaluate Python using CodeBERTScore (Zhou et al., 2023), which has been shown to be a high quality non-execution-based code matching metric."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- CODEFUSION: A Pre-trained Diffusion Model for Code Generation
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
CODEFUSION (Python) byl zveřejněn Microsoft,Microsoft Research, v zemi zaznamenané jako United States of America, během October 2023. Vydavatelská organizace je kategorizována jako industry,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol code generation.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Trénování si vyžádalo výpočetní rozpočet přibližně 7.9 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA V100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 4,390,400 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: sOTA improvement.
Odpovědi
CODEFUSION (Python) — běžné otázky
CODEFUSION (Python)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 7.9 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA V100. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
CODEFUSION (Python)— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
CODEFUSION (Python)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
CODEFUSION (Python)— kolik má parametrů?
Má počet parametrů 75M. Table 1. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
CODEFUSION (Python)— Kdo to vytvořil?
Bylo to publikováno společností Microsoft,Microsoft Research, zakládající se na United States of America, organizace zařazená jako industry,Industry.
CODEFUSION (Python)— Kdy byl vydán?
Bylo to zveřejněno v October 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
CODEFUSION (Python)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol code generation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.