RMSNorm (Transformer-base)
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
- University of Edinburgh,University of Zurich
- Typ organizace
- Academia,Academia
- Země
- United Kingdom of Great Britain and Northern Ireland, Switzerland
- Publikováno
- 16 October 2019
- Autoři
- Biao Zhang, Rico Sennrich
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Translation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 65M
- Výcviková data
- 7,500,000,000 tokens
Transformer-base has 65M parameters (Table 3 from https://proceedings.neurips.cc/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf)
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
- 2.8 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Operation counting,Hardware
6 FLOP/parameter/token * 65000000 parameters * 7500000000 tokens = 2.925e18 FLOP 125000000000000 FLOP/GPU/sec * 19.25 hours * 3600 sec / hour * 1 GPUs * 0.3 [assumed utilization] = 2.59875e18 FLOP sqrt(2.925e18 * 2.59875e18) = 2.7570535e+18 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA V100
- Používané čipy
- 1
- Doba reálného času
- 19 hours
- Příkon
- 338 W
Table 4: 231 seconds per 1k training steps 300k steps -> 300*231 seconds -> 19.25 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
- Open source
BSD-3 clause license https://github.com/bzhangGo/rmsnorm
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Root Mean Square Layer Normalization
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Co je tento MODEL
RMSNorm (Transformer-base) byl zveřejněn University of Edinburgh,University of Zurich, v zemi zaznamenané jako United Kingdom of Great Britain and Northern Ireland, během October 2019. Kategorie, do které vydavatel spadá, je academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol translation.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Co bylo zapotřebí k jeho vybudování
Trénování si vyžádalo výpočetní rozpočet přibližně 2.8 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA V100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 7,500,000,000 tokeny textu
Odpovědi
RMSNorm (Transformer-base) — běžné otázky
RMSNorm (Transformer-base)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
RMSNorm (Transformer-base)— kolik má parametrů?
Má počet parametrů 65M. Transformer-base has 65M parameters (Table 3 from https://proceedings.neurips.cc/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
RMSNorm (Transformer-base)— Kdo to vytvořil?
Bylo to publikováno společností University of Edinburgh,University of Zurich, zakládající se na United Kingdom of Great Britain and Northern Ireland, organizace zařazená jako academia,Academia.
RMSNorm (Transformer-base)— Kdy byl vydán?
Bylo to zveřejněno v October 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
RMSNorm (Transformer-base)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol translation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
RMSNorm (Transformer-base)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.8 × 10¹⁸ 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.
RMSNorm (Transformer-base)— 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.
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.