DLRM-2021
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu nebyly publikovány, takže jej nelze stáhnout ani spustit na vlastním hardwaru v jakékoli velikosti. Je dostupný pouze prostřednictvím svého poskytovatele a žádná grafická karta to nezmění..
Záznam.
Plná specifikace
Všechno zaznamenané k tomuto modelu. Většina z toho popisuje, jak byl trénován, nikoli jak běží — užitečný kontext pro posouzení, kolik práce do něj bylo vloženo, a jak se srovnává s modely postavenými na jinou škálu.
Původ
Kdo vybudoval tento model, kde a kdy byl publikován.
- Organizace
- Meta AI
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 1 July 2020
- Autoři
- Dheevatsa Mudigere, Yuchen Hao, Jianyu Huang, Zhihao Jia, Andrew Tulloch, Srinivas Sridharan, Xing Liu, Mustafa Ozdal, Jade Nie, Jongsoo Park, Liang Luo, Jie (Amy) Yang, Leon Gao, Dmytro Ivchenko, Aarti Basant, Yuxi Hu, Jiyan Yang, Ehsan K. Ardestani, Xiaodong Wang, Rakesh Komuravelli, Ching-Hsiang Chu, Serhat Yilmaz, Huayu Li, Jiyuan Qian, Zhuobo Feng, Yinbin Ma, Junjie Yang, Ellie Wen, Hong Li, …
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Recommendation
- Úkol
- Recommender system
Velikost
Jak velký je model a na kolik dat byl vytrénován. Parametry jsou číslo, které rozhoduje o tom, zda se vejde na danou grafickou kartu.
- Parametry
- 1T
- Tréninková data
- tokens
Figure 1 https://arxiv.org/abs/2104.05158
Výpočet trénování
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál trénink, nikoli jak rychle hotový model na vás odpovídá.
- Výpočet trénování
- 3 × 10²⁰ FLOP
- Jak bylo založeno
- Reported
Figure 1 https://arxiv.org/abs/2104.05158
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se na tuto stránku vztahují jakákoliv čísla grafických karet.
- Váhy
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
Jak je klasifikováno
Labely, které se na zdrojovém datovém souboru používají při sledování významných modelů, a jak moc si je jistý touto položkou.
- Záznam důvěry
- Confident
- Citations
- 197
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- High-performance, Distributed Training of Large scale Deep Learning Recommendation Models
- Naposledy aktualizováno
- 25 May 2026
Co čísla znamenají
Where it came from
DLRM-2021 was published by Meta AI, in United States of America, in July 2020. It comes out of industry.
It works in Recommendation, and is recorded as doing recommender system.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Jak byla trénována
The training run consumed about 3 × 10²⁰ FLOP. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
Odpovědi
DLRM-2021 — Časté dotazy
Jakou GPU potřebuji ke spuštění DLRM-2021?
None. DLRM-2021 is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is DLRM-2021 open source?
No. DLRM-2021 has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does DLRM-2021 have?
DLRM-2021 has 1T parameters. Figure 1 https://arxiv.org/abs/2104.05158. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created DLRM-2021?
DLRM-2021 was published by Meta AI, based in United States of America, categorised as industry.
When was DLRM-2021 released?
DLRM-2021 was published in July 2020. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is DLRM-2021 used for?
DLRM-2021 works in Recommendation, and is recorded as handling recommender system. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train DLRM-2021?
Around 3 × 10²⁰ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
Druhý směr
Když se na to podíváte z druhé strany?
Tato stránka začíná modelem. Pokud již vlastníte kartu a chcete vědět, co vše bude schopna spustit, Začněte raději od hardwaru.