GPT2+CoreLM+Fine-Tuning
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
- Aristotle University of Thessaloniki
- Typ organizace
- Academia
- Země
- Greece
- Publikováno
- 4 November 2021
- Autoři
- Nikolaos Stylianou, Ioannis Vlahavas
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation, Named entity recognition (NER)
- Základní model
- GPT-2 (124M)
- 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
- 132M
- Výcviková data
- tokens
- Epochy
- 10
"In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations."
batch size of 128
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
- Jak bylo ustanoveno
- Hardware
- Ladění výpočtů
- 2.6 × 10¹⁷ FLOP
GPT-2 124M compute ~ GPT-2 117M compute = 1.1699999999999999 × 10^20 FLOP 1.17 * 10^20 FLOP + 2.57472e+17 FLOP = 1.1725747e+20 FLOP
29800000000000 FLOP / s [Titan V, fp16 - reported] * 8 hours * 3600 sec / hour * 1 GPU * 0.3 [assumed utilization] = 2.57472e+17 FLOP (it is probably the upper bound since the 8 hours time seems to account for all models fine-tuned in the paper)
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA Titan V
- Používané čipy
- 1
- Doba reálného času
- 8 hours
- Příkon
- 277 W
"In this setup, fine-tuning takes approximately 8 hours"
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
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Likely
- Citace
- 2
- Benchmark data
- GPT2+CoreLM+Fine-Tuning
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- CoreLM: Coreference-aware Language Model Fine-Tuning
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
GPT2+CoreLM+Fine-Tuning byl zveřejněn Aristotle University of Thessaloniki, v zemi zaznamenané jako Greece, během November 2021. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Named entity recognition (NER).
Místo toho, aby byl trénován od nuly, je odvozen z GPT-2 (124M). Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Trenovací běh spotřeboval asi 1.2 × 10²⁰ FLOP, na hardwaru zaznamenáno jako NVIDIA Titan V. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
GPT2+CoreLM+Fine-Tuning — běžné otázky
GPT2+CoreLM+Fine-Tuning— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.2 × 10²⁰ FLOP, na hardwaru zaznamenáno jako NVIDIA Titan V. 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.
GPT2+CoreLM+Fine-Tuning— 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.
GPT2+CoreLM+Fine-Tuning— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
GPT2+CoreLM+Fine-Tuning— kolik má parametrů?
Má počet parametrů 132M. "In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations.". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
GPT2+CoreLM+Fine-Tuning— Kdo to vytvořil?
Bylo to publikováno společností Aristotle University of Thessaloniki, zakládající se na Greece, organizace zařazená jako academia.
GPT2+CoreLM+Fine-Tuning— Kdy byl vydán?
Bylo to zveřejněno v November 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
GPT2+CoreLM+Fine-Tuning— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Named entity recognition (NER). Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
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.