Megatron-LM (1.2B)
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
- NVIDIA
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 17 September 2019
- Autoři
- Mohammad Shoeybi, Mostofa Patwary, Raul Puri, Patrick LeGresley, Jared Casper, Bryan Catanzaro
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 1.2B
- Výcviková data
- 157,000,000,000 tokens
Table 1 in https://arxiv.org/pdf/1909.08053
300,000 *512*1,024 = 1.57e11 tokens
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
- 1.1 × 10²¹ FLOP
- Jak bylo ustanoveno
- Operation counting
300,000*512*1,024 = 1.57e11 tokens 6*1.57e11*1.2e9 = 1.13e21 FLOPs
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA Tesla V100 SXM3 32 GB
- Používané čipy
- 1
- Příkon
- 338 W
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
https://github.com/NVIDIA/Megatron-LM
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
- Highly cited
- Záznam důvěry
- Confident
- Citace
- 2,766
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Megatron-LM: Training Multi-Billion Parameter Language Models Using Model Parallelism
- Nap poslední aktualizace
- 29 May 2026
Co čísla znamenají
Co je tento MODEL
Megatron-LM (1.2B) byl zveřejněn NVIDIA, v zemi zaznamenané jako United States of America, během September 2019. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Co bylo zapotřebí k jeho vybudování
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.1 × 10²¹ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 SXM3 32 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 157,000,000,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: highly cited.
Odpovědi
Megatron-LM (1.2B) — běžné otázky
Megatron-LM (1.2B)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Megatron-LM (1.2B)— kolik má parametrů?
Má počet parametrů 1.2B. Table 1 in https://arxiv.org/pdf/1909.08053. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Megatron-LM (1.2B)— Kdo to vytvořil?
Bylo to publikováno společností NVIDIA, zakládající se na United States of America, organizace zařazená jako industry.
Megatron-LM (1.2B)— Kdy byl vydán?
Bylo to zveřejněno v September 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Megatron-LM (1.2B)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Megatron-LM (1.2B)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.1 × 10²¹ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 SXM3 32 GB. 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.
Megatron-LM (1.2B)— 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.