Sparse Transformer (Enwik8)
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
- OpenAI
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 23 April 2019
- Autoři
- Rewon Child, Scott Gray, Alec Radford, Ilya Sutskever
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
- 95M
- Výcviková data
- 90,000,000 tokens
- Epochy
- 80
95M
[tokens] " We trained with a context length of 12,288, which is longer than previous approaches. We trained on the first 90 million tokens and reserved the last 10 million for validation and test"
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
- 4.1 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / token / parameter * 95000000 parameters * 90000000 tokens * 80 epochs = 4.104e+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
- 8
- Příkon
- 4.9 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
- Open (non-commercial)
some primitives are released here, but not the entire training code: https://github.com/openai/sparse_attention no clear license "Normally, implementing sparse attention would involve slicing query and key matrices in blocks, so to ease experimentation we implemented a set of block-sparse kernels which efficiently perform these operations on the the GPU. We open-source these kernels and provide example sparse attention functions in this repository(opens in a new window)."
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
- Generating Long Sequences with Sparse Transformers
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Pozadí
Sparse Transformer (Enwik8) byl zveřejněn OpenAI, v zemi zaznamenané jako United States of America, během April 2019. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Trenovací běh spotřeboval asi 4.1 × 10¹⁸ FLOP, na hardwaru zaznamenáno jako NVIDIA V100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 90,000,000 tokeny textu
Odpovědi
Sparse Transformer (Enwik8) — běžné otázky
Sparse Transformer (Enwik8)— 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.
Sparse Transformer (Enwik8)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Sparse Transformer (Enwik8)— kolik má parametrů?
Má počet parametrů 95M. 95M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Sparse Transformer (Enwik8)— Kdo to vytvořil?
Bylo to publikováno společností OpenAI, zakládající se na United States of America, organizace zařazená jako industry.
Sparse Transformer (Enwik8)— Kdy byl vydán?
Bylo to zveřejněno v April 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Sparse Transformer (Enwik8)— 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.
Sparse Transformer (Enwik8)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.1 × 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.
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.