QMoE: compressed SwitchTransformer TPS kalkulátor
Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..
Vypočteno pro tento model
818 karty, které máme specifikace pro
Které GPU mohou spustit QMoE: compressed SwitchTransformer?
Nastavte vstupy, přečtěte si odpověď
Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..
Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.
0 karty odpovídají
Vypočítávání| Potřebuje | Kvantisace | Pohodlné | |||||
|---|---|---|---|---|---|---|---|
|
Žádná GPU karta v našem katalogu nemůže spustit tento model s těmito nastaveními.. |
|||||||
Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..
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
- Institute of Science and Technology Austria (ISTA),Neural Magic
- Typ organizace
- Academia,Industry
- Země
- Austria, United States of America
- Publikováno
- 25 October 2023
- Autoři
- Elias Frantar, Dan Alistarh
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
- Základní model
- Switch
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 1.6T
- Výcviková data
- 576,000,000,000 tokens
"Concretely, QMoE can compress the 1.6 trillion parameter SwitchTransformer-c2048 model to less than 160GB" Same parameter count as base model. This paper compresses the model; there is no learning from data.
In this paper, the authors compress the SwitchTransformer-c2048 model. There is no training dataset used.
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.
- Ladění výpočtů
- 1 × 10¹⁸ FLOP
(1) * (38.71 * 10 ** 12) * (0.3) * (24 * 3600) = 1003363200000000000 (num gpu) * (peak flop) * (assumed utilization rate) * (time in seconds) from the paper: "This allows us to apply data-dependent compression to massive MoEs, while preserving the key feature of post-training compression techniques: the ability to perform effective compression using only modest computational resources, e.g., a single NVIDIA A6000 GPU and less than one day of compute." A6000 have 38.71 TFLOPs from https://www.tec…
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA RTX A6000
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
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
apache 2.0 github.com/IST-DASLab/qmoe
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 47
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- QMoE: Practical Sub-1-Bit Compression of Trillion-Parameter Models
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Hardwareová stránka
QMoE: compressed SwitchTransformer dosahuje počtu parametrů 1.6T. To je nad rámec toho, co jakákoliv jednotlivá GPU karta pojme. Spuštění znamená buď rozdělení na několik karet, nebo pronájem hardwaru určeného k této práci, a každá karta schopná to unést samostatně je součástí datacentra. Počet, který může: 0.
Pozadí
QMoE: compressed SwitchTransformer byl zveřejněn Institute of Science and Technology Austria (ISTA),Neural Magic, v zemi zaznamenané jako Austria, během October 2023. Kategorie, do které vydavatel spadá, je academia,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Místo toho, aby byl trénován od nuly, je odvozen z Switch. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.
Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.
Co bylo zapotřebí k jeho vybudování
Bylo to trénováno na korpusu asi 576,000,000,000 tokeny textu
Krok za krokem
Jak vybrat GPU pro QMoE: compressed SwitchTransformer
Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.
-
01
Přečtěte si nejprve číslo paměti
Tabulka uvádí každou kartu, která je schopna pojmout QMoE: compressed SwitchTransformer. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
-
02
Rozhodněte, jak dlouho vaše konverzace běží
Konverzace také zabírá MEMORY a roste, jak pokračuje. Nastavte posuvník na délku, kterou očekáváte, protože při dlouhém CONTEXT může být KARTA, která snadno zvládá krátké dotazy, odmítnuta. QMoE: compressed SwitchTransformer.
-
03
Nastavte minimální kvalitu
Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet.. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
-
04
Třídit podle rychlosti
Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro QMoE: compressed SwitchTransformer. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti.
-
05
Zkontrolujte verdikt o vhodnosti před koupí
Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě QMoE: compressed SwitchTransformer. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
-
06
Podívejte se, co dalšího ta karta spouští
Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro QMoE: compressed SwitchTransformer.
Odpovědi
QMoE: compressed SwitchTransformer — běžné otázky
QMoE: compressed SwitchTransformer— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
QMoE: compressed SwitchTransformer— kde si to mohu stáhnout?
Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.
QMoE: compressed SwitchTransformer— Mohu to spustit, pokud se to nevejde do mé GPU?
Může být rozdělen mezi GPU kartu a systémovou paměť, ale v tomto případě se generuje bolestivě pomalu. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 691.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.
QMoE: compressed SwitchTransformer— Běhalo by to rychleji na dvou GPU?
Dvě karty koupit paměť spíše než rychlost, což záleží pouze pokud jedna karta to nemůže udržet. Číslo, které může: 0. Takže druhá karta je tu zřídka odpovědí.
QMoE: compressed SwitchTransformer— proč se kvantizace liší mezi kartami?
Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 1. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.
QMoE: compressed SwitchTransformer— Jak přesné jsou tyto odhady rychlosti?
Každé číslo je odvozeno od šířky pásma VRAM a velikosti modelu, není benchmarkováno, což je důvod, proč je každé publikováno jako rozsah spíše než jako jediné číslo. Jeden příklad: rozsah pod každou hodnotou Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.
QMoE: compressed SwitchTransformer— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
QMoE: compressed SwitchTransformer— kolik má parametrů?
Má počet parametrů 1.6T. "Concretely, QMoE can compress the 1.6 trillion parameter SwitchTransformer-c2048 model to less than 160GB" Same parameter count as base model. This paper compresses the model; there is no learning from data. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
QMoE: compressed SwitchTransformer— Kdo to vytvořil?
Bylo to publikováno společností Institute of Science and Technology Austria (ISTA),Neural Magic, zakládající se na Austria, organizace zařazená jako academia,Industry.
QMoE: compressed SwitchTransformer— 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.
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.