Linear Transformer (large)
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
- IDSIA
- Typ organizace
- Academia
- Země
- Switzerland
- Publikováno
- 22 February 2021
- Autoři
- Imanol Schlag, Kazuki Irie, Jürgen Schmidhuber
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling, Translation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 90M
- Výcviková data
- 103,000,000 tokens
- Epochy
- 70
90M (medium)
batch size: 56 sequences 70 epochs target segment lengths of 384
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
- 3.9 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / token / parameter * 90000000 parameters * 103000000 tokens * 70 epochs = 3.8934e+18 FLOP
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
code, Apache license: https://github.com/IDSIA/lmtool-fwp/tree/master/example_scripts/2021_linear_transformers_are_secretly_fwps
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
- 405
- Benchmark data
- Linear Transformer (large)
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Linear Transformers Are Secretly Fast Weight Programmers
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Pozadí
Linear Transformer (large) byl zveřejněn IDSIA, v zemi zaznamenané jako Switzerland, během February 2021. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling, Translation.
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
Trenovací běh spotřeboval asi 3.9 × 10¹⁸ FLOP. 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
Linear Transformer (large) — běžné otázky
Linear Transformer (large)— kolik má parametrů?
Má počet parametrů 90M. 90M (medium). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Linear Transformer (large)— Kdo to vytvořil?
Bylo to publikováno společností IDSIA, zakládající se na Switzerland, organizace zařazená jako academia.
Linear Transformer (large)— Kdy byl vydán?
Bylo to zveřejněno v February 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Linear Transformer (large)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling, Translation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Linear Transformer (large)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 3.9 × 10¹⁸ 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.
Linear Transformer (large)— 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.
Linear Transformer (large)— 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.