CPM-2
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
- Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI
- Typ organizace
- Academia,Academia
- Země
- China
- Publikováno
- 24 June 2021
- Autoři
- Zhengyan Zhang, Yuxian Gu, Xu Han, Shengqi Chen, Chaojun Xiao, Zhenbo Sun, Yuan Yao, Fanchao Qi, Jian Guan, Pei Ke, Yanzheng Cai, Guoyang Zeng, Zhixing Tan, Zhiyuan Liu, Minlie Huang, Wentao Han, Yang Liu, Xiaoyan Zhu, Maosong Sun
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language generation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 11B
- Výcviková data
- 69,615,000,000 tokens
"we pretrain two models: an encoder-decoder bilingual model with 11 billion parameters (CPM2) and its corresponding MoE version with 198 billion parameters. "
"We pre-train our model on WuDaoCorpus (Yuan et al., 2021), which contains 2.3TB cleaned Chinese data as well as 300GB cleaned English data." 2300GB * 167M tokens/GB + 300GB * 267M tokens/GB = 464 billion tokens https://docs.google.com/document/d/1G3vvQkn4x_W71MKg0GmHVtzfd9m0y3_Ofcoew0v902Q/edit#heading=h.ieihc08p8dn0
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
- 3.6 × 10²² FLOP
- Jak bylo ustanoveno
- Operation counting
epoch count not stated C = 6 FLOP * 11B * 464B =
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
- 101
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- CPM-2: Large-scale Cost-effective Pre-trained Language Models
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
CPM-2 byl zveřejněn Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, v zemi zaznamenané jako China, během June 2021. Kategorie, do které vydavatel spadá, je academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language generation.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Co bylo zapotřebí k jeho vybudování
Trénování si vyžádalo výpočetní rozpočet přibližně 3.6 × 10²² FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 69,615,000,000 tokeny textu
Odpovědi
CPM-2 — běžné otázky
CPM-2— Kdy byl vydán?
Bylo to zveřejněno v June 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
CPM-2— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language generation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
CPM-2— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 3.6 × 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.
CPM-2— 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.
CPM-2— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
CPM-2— kolik má parametrů?
Má počet parametrů 11B. "we pretrain two models: an encoder-decoder bilingual model with 11 billion parameters (CPM2) and its corresponding MoE version with 198 billion parameters. ". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
CPM-2— Kdo to vytvořil?
Bylo to publikováno společností Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, zakládající se na China, organizace zařazená jako academia,Academia.
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.