Feedback Transformer
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
- LORIA,University of Lorraine,Facebook AI Research
- Typ organizace
- Academia,Academia,Industry
- Země
- France, United States of America
- Publikováno
- 21 February 2020
- Autoři
- Angela Fan, Thibaut Lavril, Edouard Grave, Armand Joulin, Sainbayar Sukhbaatar
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 126M
- Výcviková data
- 103,000,000 tokens
- Epochy
- 267.23
- Velikost dávky
- 131,072
Table 3 shows 126M. There is another instance of the Feedback Transformer mentioned in Table 9 with 139M parameters.
"The models are trained for 200k steps and the finetuned for additional 10k steps." from Table 9 (describes 139M model) batch size 512 sequence length 256 256*512*210000 / 103000000 = 267 epochs "speculative" confidence since there is no clear description of the 126M model and numbers are assumed based on 139M model description
256*512
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
- 7.7 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Operation counting,Hardware
6 FLOP / token / parameter * 126*10^6 parameters * 256 tokens per sequences * 512 sequences per batch * 210000 steps = 2.0808991e+19 FLOP assuming V100 GPU fp16: 31330000000000 FLOP/sec/GPU * 1 GPU * 84 hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.8422576e+18 FLOP sqrt(2.0808991e+19*2.8422576e+18) = 7.690547e+18 FLOP ___________ in the Algorithmic progress paper they used estimation of 4.41e+19 FLOP also with low confidence
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Doba reálného času
- 84 hours
" Our Feedback architecture takes 3.5 days to train" 3.5*24 = 84 hours
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.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Speculative
- Citace
- 41
- Benchmark data
- Feedback Transformer
"As shown in Table 4, the Feedback Transformer model achieves a new SOTA performance (on Enwiki8) of 0.96 bit-per-byte despite its small size."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Addressing Some Limitations of Transformers with Feedback Memory
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
Feedback Transformer byl zveřejněn LORIA,University of Lorraine,Facebook AI Research, v zemi zaznamenané jako France, během February 2020. Kategorie, do které vydavatel spadá, je academia,Academia,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Trenovací běh spotřeboval asi 7.7 × 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
Jeho kritérium zahrnutí: sOTA improvement.
Odpovědi
Feedback Transformer — běžné otázky
Feedback Transformer— 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.
Feedback Transformer— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 7.7 × 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.
Feedback Transformer— 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.
Feedback Transformer— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Feedback Transformer— kolik má parametrů?
Má počet parametrů 126M. Table 3 shows 126M. There is another instance of the Feedback Transformer mentioned in Table 9 with 139M parameters. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Feedback Transformer— Kdo to vytvořil?
Bylo to publikováno společností LORIA,University of Lorraine,Facebook AI Research, zakládající se na France, organizace zařazená jako academia,Academia,Industry.
Feedback Transformer— Kdy byl vydán?
Bylo to zveřejněno v February 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.