Monarch-GPT-2-Medium
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,University at Buffalo,University of Michigan
- Typ organizace
- Academia,Academia,Academia
- Země
- United States of America
- Publikováno
- 1 April 2022
- Autoři
- Tri Dao, Beidi Chen, Nimit Sohoni, Arjun Desai, Michael Poli, Jessica Grogan, Alexander Liu, Aniruddh Rao, Atri Rudra, Christopher Ré
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
- 165M
- Výcviková data
- tokens
- Epochy
- 110
165M table 2 "For dense models, we use standard implementations of GPT-2 [86] from Huggingface transformers library and from Nvidia’s Megatron-LM repo. We follow the training recipe of the Megatron-LM repo. The Monarch version of these models simply swap out the dense weight matrices in the attention blocks (projection matrices) and in the FFN block (linear layers) with Monarch matrices."
"We use an effective batch size of 512" GPT-2-Medium: 10+100 epochs on wikitext-103 + 4k/400k iterations on openwebtext
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
- 4.4 × 10²⁰ FLOP
- Jak bylo ustanoveno
- Operation counting
"We use an effective batch size of 512" GPT-2-Medium: 10+100 epochs on wikitext-103 + 4k/400k iterations on openwebtext 6 FLOP / parameter / token * 165 * 10^6 parameters * (103000000 tokens * 110 epochs + 512 * 404000) = 1.142147952 × 10^19 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA V100
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
apache for code: https://github.com/HazyResearch/fly/tree/master https://github.com/HazyResearch/fly/blob/master/src/train.py
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
- 130
- Benchmark data
- Monarch-GPT-2-Medium
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Monarch: Expressive Structured Matrices for Efficient and Accurate Training
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
Monarch-GPT-2-Medium byl zveřejněn Stanford University,University at Buffalo,University of Michigan, v zemi zaznamenané jako United States of America, během April 2022. Kategorie, do které vydavatel spadá, je academia,Academia,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
Trenovací běh spotřeboval asi 4.4 × 10²⁰ FLOP, na hardwaru zaznamenáno jako NVIDIA V100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
Monarch-GPT-2-Medium — běžné otázky
Monarch-GPT-2-Medium— kolik má parametrů?
Má počet parametrů 165M. 165M table 2 "For dense models, we use standard implementations of GPT-2 [86] from Huggingface transformers library and from Nvidia’s Megatron-LM repo. We follow the training recipe of the Megatron-LM repo. The Monarch version of these models simply swap out the dense weight matrices in the attention blocks (projection matrices) and in the FFN block (linear layers) with Monarch matrices.". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Monarch-GPT-2-Medium— Kdo to vytvořil?
Bylo to publikováno společností Stanford University,University at Buffalo,University of Michigan, zakládající se na United States of America, organizace zařazená jako academia,Academia,Academia.
Monarch-GPT-2-Medium— Kdy byl vydán?
Bylo to zveřejněno v April 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Monarch-GPT-2-Medium— 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.
Monarch-GPT-2-Medium— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.4 × 10²⁰ FLOP, na hardwaru zaznamenáno jako 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.
Monarch-GPT-2-Medium— 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.
Monarch-GPT-2-Medium— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
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.