NMST+GPT-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
- New York University (NYU)
- Typ organizace
- Academia
- Země
- United States of America
- Publikováno
- 3 October 2022
- Autoři
- Eugene Choi, Cheolhyoung Lee, Kyunghyun Cho
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
- Základní model
- GPT-2 (124M)
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
- 103,000,000 tokens
- Epochy
- 4.97
124M (the same as GPT-2)
500, 000 steps "For computational efficiency, we bucket the dataset into sequences of similar lengths, and each batch contains a maximum of 1,024 total tokens." 500000*1024 = 512 000 000 updates 512 000 000 / 103 000 000 = 4.97087378641 epochs
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
- 1.2 × 10²⁰ FLOP
- Ladění výpočtů
- 3.8 × 10¹⁷ FLOP
assuming that GPT-2 (124M) compute is similar to GPT-2 (117M) compute, which is 120000000000000000000 FLOP = 1.2 × 10^20 FLOP 120000000000000000000 FLOP + 380928000000000000 FLOP = 1.204×10^20 FLOP
6 FLOP / token / parameter * 512 000 000 tokens * 124 000 000 parameters = 3.80928 × 10^17 FLOP
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
BSD 3-Clause License. Looks like just training code https://github.com/nyu-dl/non-monotonic-self-terminating-lm
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Benchmark data
- NMST+GPT-2
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- A Non-monotonic Self-terminating Language Model
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
NMST+GPT-2 byl zveřejněn New York University (NYU), v zemi zaznamenané jako United States of America, během October 2022. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Jeho výchozím bodem byl existující základní model, GPT-2 (124M). Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.
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 1.2 × 10²⁰ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 103,000,000 tokeny textu
Odpovědi
NMST+GPT-2 — běžné otázky
NMST+GPT-2— Kdo to vytvořil?
Bylo to publikováno společností New York University (NYU), zakládající se na United States of America, organizace zařazená jako academia.
NMST+GPT-2— Kdy byl vydán?
Bylo to zveřejněno v October 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
NMST+GPT-2— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
NMST+GPT-2— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.2 × 10²⁰ FLOP. 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.
NMST+GPT-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.
NMST+GPT-2— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
NMST+GPT-2— kolik má parametrů?
Má počet parametrů 124M. 124M (the same as GPT-2). 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.