$\infty$-former (SM)
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
- Universidade de Lisboa (ULisboa),DeepMind
- Typ organizace
- Academia,Industry
- Země
- Portugal, United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 1 September 2021
- Autoři
- Pedro Henrique Martins, Zita Marinho, André F. T. Martins
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation
- Základní model
- GPT-2 (124M)
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 124M
- Výcviková data
- 200,000,000 tokens
- Epochy
- 1
assuming same as the base model GPT-2 small
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 × 10²² FLOP
- Jak bylo ustanoveno
- Operation counting
- Ladění výpočtů
- 1.5 × 10¹⁷ FLOP
7.936 × 10^20 FLOP [base model compute estimation, "Speculative" confidence] + 1.488e+17 FLOP [fine-tune compute] = 7.937488e+20 FLOP
"To understand if long-term memories can be used to extend a pre-trained language model, we fine-tune GPT-2 small (Radford et al., 2019) on Wikitext103 (Merity et al., 2017) and a subset of PG-19 (Rae et al., 2019) containing the first 2,000 books (≈ 200 million tokens) of the training set" 6 FLOP / token / parameter * 124000000 parameters * 200000000 tokens * 1 epoch = 1.488e+17 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA GeForce RTX 2080 Ti 11GB
- Používané čipy
- 1
- Příkon
- 277 W
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)
fine-tune code (this is a GPT-2 finetune), no clear license: https://github.com/deep-spin/infinite-former
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Speculative
- Citace
- 31
- Benchmark data
- $\infty$-former (SM)
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- $\infty$-former: Infinite Memory Transformer
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Pozadí
$\infty$-former (SM) byl zveřejněn Universidade de Lisboa (ULisboa),DeepMind, v zemi zaznamenané jako Portugal, během September 2021. Kategorie, do které vydavatel spadá, je academia,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation.
Jeho výchozím bodem byl existující základní model, GPT-2 (124M). To je obvyklý způsob, jak je specializovaný model vytvářen.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Co bylo zapotřebí k jeho vybudování
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.2 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce RTX 2080 Ti 11GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 200,000,000 tokeny textu
Odpovědi
$\infty$-former (SM) — běžné otázky
$\infty$-former (SM)— kolik má parametrů?
Má počet parametrů 124M. assuming same as the base model GPT-2 small. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
$\infty$-former (SM)— Kdo to vytvořil?
Bylo to publikováno společností Universidade de Lisboa (ULisboa),DeepMind, zakládající se na Portugal, organizace zařazená jako academia,Industry.
$\infty$-former (SM)— Kdy byl vydán?
Bylo to zveřejněno v September 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
$\infty$-former (SM)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
$\infty$-former (SM)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.2 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce RTX 2080 Ti 11GB. 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.
$\infty$-former (SM)— 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.
$\infty$-former (SM)— 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.