DensePhrases
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..
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
- Korea University,Princeton University
- Typ organizace
- Academia,Academia
- Země
- Korea (Republic of), United States of America
- Publikováno
- 23 December 2020
- Autoři
- Jinhyuk Lee, Mujeen Sung, Jaewoo Kang, Danqi Chen
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Question answering
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 58,000,000 tokens
- Epochy
- 4
from appendix D "The number of generated questions is 327,302 and 1,126,354 for SQuAD and Natural Questions, respectively." assuming 40 words per question we get around ~ 58M
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
- 2.1 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Hardware
flops = (8) * (1215 * 10**10) * (20 * 3600) * 3 // 10 = 2099520000000000000 (num gpu) * (peak flops) * (time in seconds) * (assumed utilization rate) model of GPU from appendix B (Titan Xp) number of GPUs from table in appendix A flops from https://www.techpowerup.com/gpu-specs/titan-xp.c2948
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA TITAN Xp
- Používané čipy
- 8
- Čip-hodiny
- 160
- Doba reálného času
- 20 hours
- Příkon
- 4.1 kW
appendix A row 3
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
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
Apache 2.0: https://github.com/princeton-nlp/DensePhrases
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Speculative
- Citace
- 128
from abstract "our model DensePhrases improves over previous phrase retrieval models by 15%-25% absolute accuracy and matches the performance of state-of-the-art retriever-reader models. " "we achieve state-of-the-art performance on two slot filling tasks (Petroni et al., 2021), using less than 5% of the training data."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Learning Dense Representations of Phrases at Scale
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
DensePhrases byl zveřejněn Korea University,Princeton University, v zemi zaznamenané jako Korea (Republic of), během December 2020. Vychází z organizace, která je kategorizována jako academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol question answering.
Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.
Trénink a původ
Trénování si vyžádalo výpočetní rozpočet přibližně 2.1 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA TITAN Xp. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 58,000,000 tokeny textu
Jeho kritérium zahrnutí: sOTA improvement.
Odpovědi
DensePhrases — běžné otázky
DensePhrases— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
DensePhrases— kde si to mohu stáhnout?
Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.
DensePhrases— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.1 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA TITAN Xp. 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.
DensePhrases— Jakou GPU potřebuji k jejímu spuštění?
Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.
DensePhrases— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
DensePhrases— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
DensePhrases— Kdo to vytvořil?
Bylo to publikováno společností Korea University,Princeton University, zakládající se na Korea (Republic of), organizace zařazená jako academia,Academia.
DensePhrases— Kdy byl vydán?
Bylo to zveřejněno v December 2020. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
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.