SparseOPT-175B
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
- Institute of Science and Technology Austria (ISTA),Neural Magic
- Typ organizace
- Academia,Industry
- Země
- Austria, United States of America
- Publikováno
- 2 January 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/generation, Question answering
- Základní model
- OPT-175B
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 87.5B
- Výcviková data
- tokens
- Epochy
- 1.67
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
- 1.6 × 10²³ FLOP
- Jak bylo ustanoveno
- Hardware
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
- 1
- Doba reálného času
- 4 hours
- Příkon
- 439 W
"All pruning experiments are conducted on a single NVIDIA A100 GPU with 80GB of memory. In this setup, SparseGPT can fully sparsify the 175-billion-parameter models in approximately 4 hours."
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
- Open source
code is Apache 2.0 (but OPT, which you'd need to recreate this model, is non-commercial) https://github.com/IST-DASLab/sparsegpt/blob/master/opt.py
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Pravděpodobně nad 10²³ FLOP
- Yes
- Záznam důvěry
- Confident
- Citace
- 1,267
- Benchmark data
- SparseOPT-175B
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
SparseOPT-175B byl zveřejněn Institute of Science and Technology Austria (ISTA),Neural Magic, v zemi zaznamenané jako Austria, během January 2023. Kategorie, do které vydavatel spadá, je academia,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering.
Místo toho, aby byl trénován od nuly, je odvozen z OPT-175B. To je důvod, proč sdílí obecný tvar a velikost základního modelu.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Trenovací běh spotřeboval asi 1.6 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 80 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
SparseOPT-175B — běžné otázky
SparseOPT-175B— 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.
SparseOPT-175B— 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.
SparseOPT-175B— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
SparseOPT-175B— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.6 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 80 GB. 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.
SparseOPT-175B— 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.
SparseOPT-175B— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
SparseOPT-175B— kolik má parametrů?
Má počet parametrů 87.5B. 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.