LUKE TPS kalkulátor

Otevřít váhy University of Washington,National Institute of Informatics 483M parametry October 2020

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

818 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla C1080

4 GB · Q8_0 · 76.3 tok/s

Nejrychlejší karta

B200

7,015 tok/s · 180 GB

Které GPU mohou spustit LUKE?

Nastavte vstupy, přečtěte si odpověď

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

818 karty odpovídají

Vypočítávání
Potřebuje Kvantisace Pohodlné
7,015 tok/s

4,209–11,224 · nízká důvěra

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 1.2 GB Q8_0 Pohodlný
7,015 tok/s

4,209–11,224 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 1.2 GB Q8_0 Pohodlný
5,602 tok/s

3,361–8,963 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 1.2 GB Q8_0 Pohodlný
5,602 tok/s

3,361–8,963 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 1.2 GB Q8_0 Pohodlný
4,480 tok/s

2,688–7,168 · nízká důvěra

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 1.2 GB Q8_0 Pohodlný
4,288 tok/s

2,573–6,861 · nízká důvěra

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 1.2 GB Q8_0 Pohodlný
4,288 tok/s

2,573–6,861 · nízká důvěra

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 1.2 GB Q8_0 Pohodlný
4,104 tok/s

2,462–6,566 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 1.2 GB Q8_0 Pohodlný
3,642 tok/s

2,185–5,827 · nízká důvěra

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 1.2 GB Q8_0 Pohodlný
3,642 tok/s

2,185–5,827 · nízká důvěra

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 1.2 GB Q8_0 Pohodlný
3,642 tok/s

2,185–5,827 · nízká důvěra

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 1.2 GB Q8_0 Pohodlný
3,455 tok/s

2,073–5,528 · nízká důvěra

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 1.2 GB Q8_0 Pohodlný
2,946 tok/s

1,768–4,714 · nízká důvěra

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.2 GB Q8_0 Pohodlný
2,946 tok/s

1,768–4,714 · nízká důvěra

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 1.2 GB Q8_0 Pohodlný
2,946 tok/s

1,768–4,714 · nízká důvěra

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 1.2 GB Q8_0 Pohodlný
2,946 tok/s

1,768–4,714 · nízká důvěra

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.2 GB Q8_0 Pohodlný
2,946 tok/s

1,768–4,714 · nízká důvěra

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 1.2 GB Q8_0 Pohodlný
2,243 tok/s

1,346–3,589 · nízká důvěra

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 1.2 GB Q8_0 Pohodlný
2,243 tok/s

1,346–3,589 · nízká důvěra

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 1.2 GB Q8_0 Pohodlný
1,869 tok/s

1,122–2,991 · nízká důvěra

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 1.2 GB Q8_0 Pohodlný
1,830 tok/s

1,098–2,927 · nízká důvěra

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 1.2 GB Q8_0 Pohodlný
1,789 tok/s

1,073–2,862 · nízká důvěra

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 1.2 GB Q8_0 Pohodlný
1,789 tok/s

1,073–2,862 · nízká důvěra

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 1.2 GB Q8_0 Pohodlný
1,789 tok/s

1,073–2,862 · nízká důvěra

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 1.2 GB Q8_0 Pohodlný
1,789 tok/s

1,073–2,862 · nízká důvěra

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 1.2 GB Q8_0 Pohodlný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

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,National Institute of Informatics
Typ organizace
Academia
Země
United States of America, Japan
Publikováno
2 October 2020
Autoři
Ikuya Yamada, Akari Asai, Hiroyuki Shindo, Hideaki Takeda, Yuji Matsumoto

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména
Language
Úkol
Question answering, Relation extraction, Named entity recognition (NER)
Základní model
RoBERTa Large
Číselný formát
FP16

Velikost

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

parametry
483M

"The total number of parameters is approximately 483 M, consisting of 355 M in RoBERTa and 128 M in our entity embeddings"

Výcviková data
4,666,666,667 tokens

"As input corpus for pretraining, we use the December 2018 version of Wikipedia, comprising approximately 3.5 billion words and 11 million entity annotations. "

Epochy
90
Velikost dávky
2,048

table in appendix A

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
1.8 × 10²² FLOP

Uses RoBERTa Large as a base model, which used 1.66e22 FLOPs in training. LUKE's additional training was: (16) * (1.25e14) * (30 * 24 * 3600) * (0.3) = 1.5552e21 (num gpu) * (peak flops) * (time in seconds) * (assumed utilization rate) from appendix A: "Werun the pretraining on NVIDIA’s PyTorch Docker container 19.02 hosted on a server with two Intel Xeon Platinum 8168 CPUs and 16 NVIDIA Tesla V100 GPUs. The training takes approximately 30 days." Assuming 16 bit tensor core computations, 1.25…

Jak bylo ustanoveno
Hardware

Tréninkový běh

Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.

Tréninkový hardware
NVIDIA V100
Používané čipy
16
Čip-hodiny
11,520
Doba reálného času
720 hours (30 days)

see compute notes

Příkon
9.8 kW
Náklady na výpočet
$4,186

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/studio-ousia/luke?tab=readme-ov-file data is wikimedia, which has a commercial license: https://dumps.wikimedia.org/legal.html pretraining: https://github.com/studio-ousia/luke/blob/master/pretraining.md

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

from abstract "In particular, it obtains state-of-the-art results on five well-known datasets: Open Entity (entity typing), TACRED (relation classification), CoNLL-2003 (named entity recognition), ReCoRD (cloze-style question answering), and SQuAD 1.1 (extractive question answering)."

Záznam důvěry
Likely
Citace
766

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
LUKE: Deep Contextualized Entity Representations with Entity-aware Self-attention
Nap poslední aktualizace
25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží LUKE

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 7,015 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 7,015 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 5,602 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 5,602 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 4,480 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 4,288 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 4,288 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 4,104 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 3,642 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 3,642 tok/s

Nejmenší GPU, které ještě běží LUKE

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

  1. 01 GeForce RTX 4010 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 84.2 tok/s
  2. 02 RTX A400 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 84.2 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 112 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 168 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 29.9 tok/s
  6. 06 Radeon RX 6450M 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 87.6 tok/s
  7. 07 Radeon RX 6550M 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 98.5 tok/s
  8. 08 Radeon RX 6550S 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 87.6 tok/s
  9. 09 Arc A310 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 70.7 tok/s
  10. 10 Arc Pro A30M 4 GB · Potřebuje 1.2 GB · Q8_0 · Pohodlný 73.0 tok/s

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

Tesla C1080

Potřeba paměti

1.2 GB

Nejrychlejší

7,015 tok/s

LUKE dosahuje počtu parametrů 483M. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 818.

Nejmenší hardware, který funguje, je Tesla C1080, s kapacitou VRAM 4 GB, spuštění na kompresi Q8_0 a vyrábějí kolem 76.3 tokenů za sekundu

Špičkový model je B200, generování přibližně 7,015 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

LUKE byl zveřejněn University of Washington,National Institute of Informatics, v zemi zaznamenané jako United States of America, během October 2020. Vydavatelská organizace je kategorizována jako academia.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol question answering, Relation extraction, Named entity recognition (NER).

Staví na RoBERTa Large. To je obvyklý způsob, jak je specializovaný model vytvářen.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.

Co rozhoduje o rychlosti

Polovina karet, které to drží, zvládne více než 197.0 tokenů za sekundu. Producing text faster than most people read it: 816 z nich

Každá váha se účastní každého tokenu zde, takže šířka pásma je celá historie: hodnocení níže je ve skutečnosti hodnocením propustnosti paměti.

Bez rozložení pozornosti v záznamu je sloupec paměti přibližný. Je dost blízko na to, aby se podle něj vybralo hardware, a je nejméně spolehlivý při dlouhém kontextu.

Co bylo zapotřebí k jeho vybudování

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.8 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA V100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Trénink spotřeboval korpus kolem 4,666,666,667 tokeny textu

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro LUKE

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

  1. 01

    Zkontrolujte, co to potřebuje před čímkoli jiným.

    Začněte od toho, co skutečně potřebuje, což je požadavek na LUKE, potřebující kolem 1.2 GB při kompresi Q8_0. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.

  2. 02

    Přizpůsobte kontext svému skutečnému použití

    Konverzace také zabírá MEMORY a roste, jak pokračuje. Nastavte posuvník na délku, kterou očekáváte, protože při dlouhém CONTEXT může být KARTA, která snadno zvládá krátké dotazy, odmítnuta. LUKE.

  3. 03

    Vyberte, jak moc to budete komprimovat.

    Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., dosahující komprese Q8_0 na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.

  4. 04

    Hodnoťte podle propustnosti spíše než podle specifikace

    Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro LUKE. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 7,015 tok/s

  5. 05

    Přečtěte si poslední sloupec fit

    Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě LUKE. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.

  6. 06

    Podívejte se, co dalšího ta karta spouští

    Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro LUKE.

Odpovědi

LUKE — běžné otázky

01

LUKE— kolik VRAM potřebuje?

Potřebuje asi 1.2 GB při kompresi Q8_0, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

02

LUKE— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q8_0, používající přibližně 1.2 GB a generováním zhruba 1,307 tokenů za sekundu. Fit je pohodlný.

03

LUKE— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q8_0, používající přibližně 1.2 GB a generováním zhruba 800 tokenů za sekundu. Fit je pohodlný.

04

LUKE— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q8_0, používající přibližně 1.2 GB a generováním zhruba 991 tokenů za sekundu. Fit je pohodlný.

05

LUKE— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q8_0, používající přibližně 1.2 GB a generováním zhruba 1,175 tokenů za sekundu. Fit je pohodlný.

06

LUKE— 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.

07

LUKE— kolik má parametrů?

Má počet parametrů 483M. "The total number of parameters is approximately 483 M, consisting of 355 M in RoBERTa and 128 M in our entity embeddings". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

08

LUKE— Kdo to vytvořil?

Bylo to publikováno společností University of Washington,National Institute of Informatics, zakládající se na United States of America, organizace zařazená jako academia.

09

LUKE— Kdy byl vydán?

Bylo to zveřejněno v October 2020. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

10

LUKE— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol question answering, Relation extraction, Named entity recognition (NER). Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

11

LUKE— 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.

12

LUKE— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.8 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA V100. 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.

13

LUKE— Mohu to spustit, pokud se to nevejde do mé GPU?

Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Každá postava zde předpokládá, že celý model je umístěn na kartě.

14

LUKE— Běhalo by to rychleji na dvou GPU?

Dvě karty koupit paměť spíše než rychlost, což záleží pouze pokud jedna karta to nemůže udržet. Číslo, které může: 818. Takže druhá karta je tu zřídka odpovědí.

15

LUKE— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 1. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

16

LUKE— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 4,209–11,224 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

17

LUKE— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Tesla C1080, s kapacitou VRAM 4 GB. Spouští model při kompresi Q8_0 používající přibližně 1.2 GB, a produkuje přibližně 76.3 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

18

LUKE— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 7,015 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 816.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 25 May 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.

Všechny AI modely