RFA-GATE-Gaussian-Stateful Big
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
- University of Washington,DeepMind,Allen Institute for AI,Hebrew University of Jerusalem,The University of Hong Kong
- Typ organizace
- Academia,Industry,Research collective,Academia,Academia
- Země
- United States of America, United Kingdom of Great Britain and Northern Ireland, Israel, Hong Kong
- Publikováno
- 3 March 2021
- Autoři
- Hao Peng, Nikolaos Pappas, Dani Yogatama, Roy Schwartz, Noah A. Smith, Lingpeng Kong
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation, Translation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 242M
- Výcviková data
- 103,000,000 tokens
- Epochy
- 47.72
- Velikost dávky
- 32,768
242m
"All models are trained for up to 150K gradient steps " batch size 64 "All models use a 512 block size during both training and evaluation, i.e., they read as input a segment of 512 consecutive tokens, without access to the context from previous mini-batches." 512*64*150000/103000000 = 47.72
512*64
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
- 7.1 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / token / parameter * 242000000 parameters * 512 tokens per sample * 64 samples per batch * 150000 steps = 7.1368704e+18 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- Google TPU v3
- Používané čipy
- 16
- Doba reálného času
- 3 hours
- Příkon
- 14.6 kW
7.1368704e+18 FLOP [estimated compute] / (123000000000000 FLOP / s * 16 GPUs * 3600 sec / hour * 0.3 [assumed precision]) = 3.36 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
- Confident
- Citace
- 430
- Benchmark data
- RFA-GATE-Gaussian-Stateful Big
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Random Feature Attention
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
RFA-GATE-Gaussian-Stateful Big byl zveřejněn University of Washington,DeepMind,Allen Institute for AI,Hebrew University of Jerusalem,The University of Hong Kong, v zemi zaznamenané jako United States of America, během March 2021. Kategorie, do které vydavatel spadá, je academia,Industry,Research collective,Academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Translation.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Trénování si vyžádalo výpočetní rozpočet přibližně 7.1 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako Google TPU v3. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 103,000,000 tokeny textu
Odpovědi
RFA-GATE-Gaussian-Stateful Big — běžné otázky
RFA-GATE-Gaussian-Stateful Big— Kdo to vytvořil?
Bylo to publikováno společností University of Washington,DeepMind,Allen Institute for AI,Hebrew University of Jerusalem,The University of Hong Kong, zakládající se na United States of America, organizace zařazená jako academia,Industry,Research collective,Academia,Academia.
RFA-GATE-Gaussian-Stateful Big— 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.
RFA-GATE-Gaussian-Stateful Big— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Translation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
RFA-GATE-Gaussian-Stateful Big— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 7.1 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako Google TPU v3. 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.
RFA-GATE-Gaussian-Stateful Big— 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.
RFA-GATE-Gaussian-Stateful Big— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
RFA-GATE-Gaussian-Stateful Big— kolik má parametrů?
Má počet parametrů 242M. 242m. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
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.