Long-range sequence Compressive Transformers
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
- DeepMind
- Typ organizace
- Industry
- Země
- United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 13 November 2019
- Autoři
- Jack W. Rae, Anna Potapenko, Siddhant M. Jayakumar, Timothy P. Lillicrap
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.
- Výcviková data
- 103,000,000 tokens
- Epochy
- 328.32
- Velikost dávky
- 65,536
"for word-based LM we used 16, 000 warmup steps with 500, 000 decay steps" "a sequence window size all equal to 512" " a total batch size of 128" 516000*512*128/103000000 = 328.32 epochs
512*128
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 × 10²⁰ FLOP
- Jak bylo ustanoveno
- Hardware
123000000000000 FLOP / second/ GPU * 64 GPUs * 12 hours * 3600 sec/hour * 0.3 [assumed utilization] = 1.0202112e+20 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- Google TPU v3
- Používané čipy
- 64
- Doba reálného času
- 12 hours
- Příkon
- 59.0 kW
"The model converged in a little over 12 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.
- Záznam důvěry
- Confident
- Citace
- 845
- Benchmark data
- Compressive Transformers for Long-Range Sequence Modelling
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Compressive Transformers for Long-Range Sequence Modelling
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Pozadí
Long-range sequence Compressive Transformers byl zveřejněn DeepMind, v zemi zaznamenané jako United Kingdom of Great Britain and Northern Ireland, během November 2019. Vychází z organizace, která je kategorizována jako 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 1 × 10²⁰ FLOP, na hardwaru zaznamenáno jako Google TPU v3. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 103,000,000 tokeny textu
Odpovědi
Long-range sequence Compressive Transformers — běžné otázky
Long-range sequence Compressive Transformers— Kdy byl vydán?
Bylo to zveřejněno v November 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Long-range sequence Compressive Transformers— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Long-range sequence Compressive Transformers— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1 × 10²⁰ FLOP, na hardwaru zaznamenáno jako Google TPU v3. 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.
Long-range sequence Compressive Transformers— 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.
Long-range sequence Compressive Transformers— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Long-range sequence Compressive Transformers— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Long-range sequence Compressive Transformers— Kdo to vytvořil?
Bylo to publikováno společností DeepMind, zakládající se na United Kingdom of Great Britain and Northern Ireland, organizace zařazená jako industry.
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.