Stacked-LSTM+PruningNo

Uzavřené váhy University of Electronic Science and Technology of China,Chinese University of Hong Kong (CUHK),Peng Cheng Laboratory 6.2M parametry June 2019

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 Electronic Science and Technology of China,Chinese University of Hong Kong (CUHK),Peng Cheng Laboratory
Typ organizace
Academia,Academia,Academia
Země
China, Hong Kong
Publikováno
17 June 2019
Autoři
Liangjian Wen, Xuanyang Zhang, Haoli Bai, Zenglin Xu

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
6.2M
Výcviková data
tokens

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.

Citace
43
Benchmark data
Stacked-LSTM+Pruning

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
Structured Pruning of Recurrent Neural Networks through Neuron Selection
Nap poslední aktualizace
25 May 2026

Co čísla znamenají

Pozadí

Stacked-LSTM+PruningNo byl zveřejněn University of Electronic Science and Technology of China,Chinese University of Hong Kong (CUHK),Peng Cheng Laboratory, v zemi zaznamenané jako China, během June 2019. Vychází z organizace, která je kategorizována jako academia,Academia,Academia.

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.

Odpovědi

Stacked-LSTM+PruningNo — běžné otázky

01

Stacked-LSTM+PruningNo— 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.

02

Stacked-LSTM+PruningNo— Je to OPEN SOURCE?

Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.

03

Stacked-LSTM+PruningNo— kolik má parametrů?

Má počet parametrů 6.2M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

04

Stacked-LSTM+PruningNo— Kdo to vytvořil?

Bylo to publikováno společností University of Electronic Science and Technology of China,Chinese University of Hong Kong (CUHK),Peng Cheng Laboratory, zakládající se na China, organizace zařazená jako academia,Academia,Academia.

05

Stacked-LSTM+PruningNo— 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.

06

Stacked-LSTM+PruningNo— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 25 May 2026

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.