GPT3-6.7B + muP
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
- Microsoft,OpenAI
- Typ organizace
- Industry,Industry
- Země
- United States of America
- Publikováno
- 7 March 2022
- Autoři
- Greg Yang, Edward J. Hu, Igor Babuschkin, Szymon Sidor, Xiaodong Liu, David Farhi, Nick Ryder, Jakub Pachocki, Weizhu Chen, Jianfeng Gao
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 6.7B
- Výcviková data
- 300,000,000,000 tokens
- Epochy
- 1
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
- 1.3 × 10²² FLOP
- Jak bylo ustanoveno
- Comparison with other models,Operation counting
- Ladění výpočtů
- 8.4 × 10²⁰ FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 1.07 = 1.284e+22 FLOP 6 FLOP / parameter / token * 6660000000 parameters * 300000000000 tokens = 1.1988 × 10^22 FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 0.07 = 8.4e+20 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
- Unreleased
their repo is open: https://github.com/microsoft/mup The technique is open, not the model. GPT-3 isn't open so it wouldn't be possible for people to recreate GPT-3 + muP with this code
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
- 262
- Benchmark data
- GPT3-6.7B + muP
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Tensor Programs V: Tuning Large Neural Networks via Zero-Shot Hyperparameter Transfer
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Pozadí
GPT3-6.7B + muP byl zveřejněn Microsoft,OpenAI, v zemi zaznamenané jako United States of America, během March 2022. Vydavatelská organizace je kategorizována jako industry,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.3 × 10²² FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 300,000,000,000 tokeny textu
Odpovědi
GPT3-6.7B + muP — běžné otázky
GPT3-6.7B + muP— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
GPT3-6.7B + muP— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.3 × 10²² 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.
GPT3-6.7B + muP— 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.
GPT3-6.7B + muP— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
GPT3-6.7B + muP— kolik má parametrů?
Má počet parametrů 6.7B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
GPT3-6.7B + muP— Kdo to vytvořil?
Bylo to publikováno společností Microsoft,OpenAI, zakládající se na United States of America, organizace zařazená jako industry,Industry.
GPT3-6.7B + muP— 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.
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.