Transformer+Recurrent Windows of Context
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
- Toyota Technological Institute at Chicago,University of Chicago
- Typ organizace
- Academia,Academia
- Země
- United States of America
- Publikováno
- 16 August 2020
- Autoři
- Davis Yoshida, Allyson Ettinger, Kevin Gimpel
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
- Základní model
- GPT-2 (124M)
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 124M
- Výcviková data
- tokens
- Epochy
- 2
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
- 7.9 × 10²⁰ FLOP
- Jak bylo ustanoveno
- Operation counting
- Ladění výpočtů
- 1.5 × 10¹⁷ FLOP
base model compute (speculative confidence): 7.936e+20 FLOP fine-tune compute: 1.53264e+17 FLOP 7.936e+20 FLOP + 1.53264e+17 FLOP = 7.9375326e+20 FLOP
6 FLOP / token / parameter * 124000000 parameters * 103000000 tokens * 2 epochs = 1.53264e+17 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
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Speculative
- Citace
- 7
- Benchmark data
- Transformer+Recurrent Windows of Context
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Adding Recurrence to Pretrained Transformers for Improved Efficiency and Context Size
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
Transformer+Recurrent Windows of Context byl zveřejněn Toyota Technological Institute at Chicago,University of Chicago, v zemi zaznamenané jako United States of America, během August 2020. Kategorie, do které vydavatel spadá, je academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Staví na GPT-2 (124M). To je důvod, proč sdílí obecný tvar a velikost základního modelu.
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
Trénování si vyžádalo výpočetní rozpočet přibližně 7.9 × 10²⁰ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
Transformer+Recurrent Windows of Context — běžné otázky
Transformer+Recurrent Windows of Context— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Transformer+Recurrent Windows of Context— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 7.9 × 10²⁰ 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.
Transformer+Recurrent Windows of Context— 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.
Transformer+Recurrent Windows of Context— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Transformer+Recurrent Windows of Context— kolik má parametrů?
Má počet parametrů 124M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Transformer+Recurrent Windows of Context— Kdo to vytvořil?
Bylo to publikováno společností Toyota Technological Institute at Chicago,University of Chicago, zakládající se na United States of America, organizace zařazená jako academia,Academia.
Transformer+Recurrent Windows of Context— Kdy byl vydán?
Bylo to zveřejněno v August 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.