Transformer Large + HCP
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 Waterloo,Microsoft Research
- Typ organizace
- Academia,Industry
- Země
- Canada, United States of America
- Publikováno
- 21 March 2022
- Autoři
- He Bai, Tong Wang, Alessandro Sordoni, Peng Shi
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
- 257M
- Výcviková data
- 103,000,000 tokens
- Epochy
- 38.18
257M
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
- 6.1 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Operation counting
80k steps (Table 1) "The input lengths are 150 for the base model and 384 for the large model." "large model: 18 layers, 16 heads, hidden size 1024 batch size 128" 6 FLOP / token / parameter * 257000000 parameters * 384 tokens per sequence * 128 sequences per batch * 80000 steps = 6.06339072 × 10^18 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 (non-commercial)
code, no license: https://github.com/richardbaihe/robustLM
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
- 17
- Benchmark data
- Transformer Large + HCP
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Better Language Model with Hypernym Class Prediction
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
Transformer Large + HCP byl zveřejněn University of Waterloo,Microsoft Research, v zemi zaznamenané jako Canada, během March 2022. Kategorie, do které vydavatel spadá, je academia,Industry.
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.
Jak bylo trénováno
Trenovací běh spotřeboval asi 6.1 × 10¹⁸ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 103,000,000 tokeny textu
Odpovědi
Transformer Large + HCP — běžné otázky
Transformer Large + HCP— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 6.1 × 10¹⁸ 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.
Transformer Large + HCP— 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.
Transformer Large + HCP— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Transformer Large + HCP— kolik má parametrů?
Má počet parametrů 257M. 257M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Transformer Large + HCP— Kdo to vytvořil?
Bylo to publikováno společností University of Waterloo,Microsoft Research, zakládající se na Canada, organizace zařazená jako academia,Industry.
Transformer Large + HCP— Kdy byl vydán?
Bylo to zveřejněno v March 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Transformer Large + HCP— 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.
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.