GPT3-2.7B (FlashAttention-2)
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
- Stanford University,Princeton University
- Typ organizace
- Academia,Academia
- Země
- United States of America
- Publikováno
- 18 July 2023
- Autoři
- Tri Dao
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 2.7B
- Výcviková data
- tokens
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA A100 SXM4 80 GB
- Používané čipy
- 8
- Využití hardwaru
- HFU 72.0%
- Příkon
- 6.4 kW
"We empirically validate that when used end-to-end to train GPT-style models, FlashAttention-2 reaches training speed of up to 225 TFLOPs/s per A100 GPU (72\% model FLOPs utilization)." Seems to be a test of FlashAttention2. It's also describing HFU, not MFU. HFU = 0.7200
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
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
- Highly cited,Historical significance
- Záznam důvěry
- Confident
- Citace
- 2,682
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- FlashAttention-2: Faster Attention with Better Parallelism and Work Partitioning
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
GPT3-2.7B (FlashAttention-2) byl zveřejněn Stanford University,Princeton University, v zemi zaznamenané jako United States of America, během July 2023. Kategorie, do které vydavatel spadá, je academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Je sledováno v základním datasetu z jednoho konkrétního důvodu: highly cited,Historical significance.
Odpovědi
GPT3-2.7B (FlashAttention-2) — běžné otázky
GPT3-2.7B (FlashAttention-2)— Kdo to vytvořil?
Bylo to publikováno společností Stanford University,Princeton University, zakládající se na United States of America, organizace zařazená jako academia,Academia.
GPT3-2.7B (FlashAttention-2)— Kdy byl vydán?
Bylo to zveřejněno v July 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
GPT3-2.7B (FlashAttention-2)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
GPT3-2.7B (FlashAttention-2)— 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.
GPT3-2.7B (FlashAttention-2)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
GPT3-2.7B (FlashAttention-2)— kolik má parametrů?
Má počet parametrů 2.7B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
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.