AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
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
- IBM
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 14 August 2018
- Autoři
- Siddhartha Brahma
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
- 60.9M
- Výcviková data
- 929,000 tokens
- Epochy
- 1,200
10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800
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 × 10¹⁷ FLOP
Forward flop: 2*60852800=121705600 FLOP: 1200*121705600*3*929000=4.0703221e+17
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.
- Záznam důvěry
- Likely
- Benchmark data
- AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Improved Language Modeling by Decoding the Past
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Odkud to přišlo
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB) byl zveřejněn IBM, v zemi zaznamenané jako United States of America, během August 2018. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Trenovací běh spotřeboval asi 4.1 × 10¹⁷ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 929,000 tokeny textu
Odpovědi
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB) — běžné otázky
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— Kdo to vytvořil?
Bylo to publikováno společností IBM, zakládající se na United States of America, organizace zařazená jako industry.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— Kdy byl vydán?
Bylo to zveřejněno v August 2018. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— 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.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.1 × 10¹⁷ FLOP. 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.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— 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.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— kolik má parametrů?
Má počet parametrů 60.9M. 10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
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.