Tensorized Transformer (OBW)
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
- Tianjin University,Microsoft Research Asia,Beijing Institute of Technology
- Typ organizace
- Academia,Industry,Academia
- Země
- China
- Publikováno
- 24 June 2019
- Autoři
- Xindian Ma, Peng Zhang, Shuai Zhang, Nan Duan, Yuexian Hou, Ming Zhou, Dawei Song
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling, Translation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 160M
- Výcviková data
- tokens
- Epochy
- 30
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
- 2.4 × 10¹⁹ FLOP
FLOP calculation: 6*829250940*30*160000000=2.3882427e+19
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA P40
- Používané čipy
- 2
- Příkon
- 1.0 kW
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
- Confident
- Citace
- 194
- Benchmark data
- Tensorized Transformer (core-2)
Paper claims One Billion Word SOTA
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- A Tensorized Transformer for Language Modeling
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
Tensorized Transformer (OBW) byl zveřejněn Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, v zemi zaznamenané jako China, během June 2019. Vychází z organizace, která je kategorizována jako academia,Industry,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling, Translation.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Trénování si vyžádalo výpočetní rozpočet přibližně 2.4 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA P40. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement.
Odpovědi
Tensorized Transformer (OBW) — běžné otázky
Tensorized Transformer (OBW)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.4 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA P40. 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.
Tensorized Transformer (OBW)— 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.
Tensorized Transformer (OBW)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Tensorized Transformer (OBW)— kolik má parametrů?
Má počet parametrů 160M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Tensorized Transformer (OBW)— Kdo to vytvořil?
Bylo to publikováno společností Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, zakládající se na China, organizace zařazená jako academia,Industry,Academia.
Tensorized Transformer (OBW)— Kdy byl vydán?
Bylo to zveřejněno v June 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Tensorized Transformer (OBW)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling, Translation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
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.