GPT-Neo-2.7B (finetuned on PTB)

Uzavřené váhy EleutherAI 2.7B parametry March 2021

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
EleutherAI
Typ organizace
Research collective
Země
United States of America
Publikováno
21 March 2021
Autoři
Sid Black, Leo Gao, Phil Wang, Connor Leahy, Stella Biderman

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-Neo-2.7B

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry
2.7B
Výcviková data
tokens
Epochy
1

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 source

MIT. don't think model weights for PTB finetune are available: https://github.com/EleutherAI/gpt-neo

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
880
Benchmark data
GPT-Neo-2.7B (finetuned on PTB)

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
GPT-Neo: Large Scale Autoregressive Language Modeling with Mesh-Tensorflow
Nap poslední aktualizace
11 February 2026

Co čísla znamenají

Pozadí

GPT-Neo-2.7B (finetuned on PTB) byl zveřejněn EleutherAI, v zemi zaznamenané jako United States of America, během March 2021. Kategorie, do které vydavatel spadá, je research collective.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation.

Jeho výchozím bodem byl existující základní model, GPT-Neo-2.7B. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.

Odpovědi

GPT-Neo-2.7B (finetuned on PTB) — běžné otázky

01

GPT-Neo-2.7B (finetuned on PTB)— Kdy byl vydán?

Bylo to zveřejněno v March 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

02

GPT-Neo-2.7B (finetuned on PTB)— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

03

GPT-Neo-2.7B (finetuned on PTB)— 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.

04

GPT-Neo-2.7B (finetuned on PTB)— Je to OPEN SOURCE?

Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.

05

GPT-Neo-2.7B (finetuned on PTB)— kolik má parametrů?

Má počet parametrů 2.7B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

06

GPT-Neo-2.7B (finetuned on PTB)— Kdo to vytvořil?

Bylo to publikováno společností EleutherAI, zakládající se na United States of America, organizace zařazená jako research collective.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 11 February 2026

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.