GPT-2+Active-SGD (WT2)
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
- University of Montreal / Université de Montréal
- Typ organizace
- Academia
- Země
- Canada
- Publikováno
- 24 January 2023
- Autoři
- Davood Wadi, Marc Fredette, Sylvain Senecal
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 124M
- Výcviková data
- tokens
- Epochy
- 200
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
- 3 × 10¹⁷ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP/parameter/token * 124000000.00 parameters * 2000000 tokens * 200 epochs [assumed: not reported for WT2, but reported for WT103 minigpt2 training -> "Likely" confidence] = 2.976e+17 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA P100,NVIDIA V100
- Používané čipy
- 1
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.
- Záznam důvěry
- Likely
- Benchmark data
- GPT-2+Active-SGD
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Read the Signs Towards Invariance to Gradient Descent’s Hyperparameter Initialization
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Odkud to přišlo
GPT-2+Active-SGD (WT2) byl zveřejněn University of Montreal / Université de Montréal, v zemi zaznamenané jako Canada, během January 2023. Vydavatelská organizace je kategorizována jako academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Trénink a původ
Trénování si vyžádalo výpočetní rozpočet přibližně 3 × 10¹⁷ FLOP, na hardwaru zaznamenáno jako NVIDIA P100,NVIDIA V100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
GPT-2+Active-SGD (WT2) — běžné otázky
GPT-2+Active-SGD (WT2)— 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.
GPT-2+Active-SGD (WT2)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 3 × 10¹⁷ FLOP, na hardwaru zaznamenáno jako NVIDIA P100,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.
GPT-2+Active-SGD (WT2)— 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.
GPT-2+Active-SGD (WT2)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
GPT-2+Active-SGD (WT2)— kolik má parametrů?
Má počet parametrů 124M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
GPT-2+Active-SGD (WT2)— Kdo to vytvořil?
Bylo to publikováno společností University of Montreal / Université de Montréal, zakládající se na Canada, organizace zařazená jako academia.
GPT-2+Active-SGD (WT2)— Kdy byl vydán?
Bylo to zveřejněno v January 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.