ERNIE 3.0 Titan
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
- Baidu,Peng Cheng Laboratory
- Typ organizace
- Industry,Academia
- Země
- China
- Publikováno
- 23 December 2021
- Autoři
- Shuohuan Wang, Yu Sun, Yang Xiang, Zhihua Wu, Siyu Ding, Weibao Gong, Shikun Feng
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling, Language modeling/generation, Relation extraction, Sentiment classification, Text classification
- Číselný formát
- FP16
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 260B
- Výcviková data
- 668,000,000,000 tokens
- Velikost dávky
- 1,048,576
"[We] developed... distributed training technology, including fine-grained parallelism, heterogeneous hardware-aware training, and fault tolerance mechanism to train the 260B model on both Nvidia V100 GPU and Ascend 910 NPU clusters." See also: https://twitter.com/BaiduResearch/status/1468633977242243078?t=6q4zuLNdTSc4GUBe9OM5Aw&s=19
"To ensure the success of the pre-training of ERNIE 3.0 Titan, we utilize the ERNIE 3.0 Corpus [ 2 ], a large-scale, wide-variety, and high-quality Chinese text corpora amounting to 4TB" Assuming 167M words/tokens per GB
"The maximum sequence length of context and the memory length of language generation is 512 and 128, respectively" In table 1, they use a global batch size of 512 when data parallelism is "1" and 2048 when DP is "4". Not sure I fully understand this part but I guess they'd use parallelism as much as possible given how they talk about it. 2048 * 512 = 1048576.
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 × 10²⁴ FLOP
- Jak bylo ustanoveno
- Operation counting
The paper suggests that ERNIE 3.0 Titan uses more compute than GPT-3. This is consistent with the 6ND approximation. C = 6ND = 6 (FLOP/param/token) * (260B params) * (668B tokens) = 1.0421*10^24 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA Tesla V100 DGXS 32 GB,Huawei Ascend 910
- Používané čipy
- 1,920
- Datové centrum
- Peng Cheng Cloud Brain II, Paper on Ernie 3.0
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
- Hosted access (no API)
- Tréninkový kód
- Unreleased
The Ernie 3.0 Titan model was used in Ernie bot. Today, ERNIE has been widely deployed across finance, healthcare, insurance, equity, Internet, logistics, and other fields. http://research.baidu.com/Blog/index-view?id=165
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Frontier model
- Yes
- Základní model
- Yes
- Pravděpodobně nad 10²³ FLOP
- Yes
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Confident
- Citace
- 87
"Empirical results show that the ERNIE 3.0 Titan outperforms the state-of-the-art models on 68 NLP datasets."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- ERNIE 3.0 Titan: Exploring Larger-scale Knowledge Enhanced Pre-training for Language Understanding and Generation
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Pozadí
ERNIE 3.0 Titan byl zveřejněn Baidu,Peng Cheng Laboratory, v zemi zaznamenané jako China, během December 2021. Vychází z organizace, která je kategorizována jako industry,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling, Language modeling/generation, Relation extraction, Sentiment classification, Text classification.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Jak bylo trénováno
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1 × 10²⁴ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 32 GB,Huawei Ascend 910. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 668,000,000,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement.
Odpovědi
ERNIE 3.0 Titan — běžné otázky
ERNIE 3.0 Titan— 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.
ERNIE 3.0 Titan— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
ERNIE 3.0 Titan— kolik má parametrů?
Má počet parametrů 260B. "[We] developed... distributed training technology, including fine-grained parallelism, heterogeneous hardware-aware training, and fault tolerance mechanism to train the 260B model on both Nvidia V100 GPU and Ascend 910 NPU clusters." See also: https://twitter.com/BaiduResearch/status/1468633977242243078?t=6q4zuLNdTSc4GUBe9OM5Aw&s=19. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
ERNIE 3.0 Titan— Kdo to vytvořil?
Bylo to publikováno společností Baidu,Peng Cheng Laboratory, zakládající se na China, organizace zařazená jako industry,Academia.
ERNIE 3.0 Titan— Kdy byl vydán?
Bylo to zveřejněno v December 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
ERNIE 3.0 Titan— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling, Language modeling/generation, Relation extraction, Sentiment classification, Text classification. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
ERNIE 3.0 Titan— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1 × 10²⁴ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 32 GB,Huawei Ascend 910. 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.
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.