aLSTM(depth-2)+RecurrentPolicy (WT2)
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 Manchester,Alan Turing Institute
- Typ organizace
- Academia,Government
- Země
- United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 22 May 2018
- Autoři
- Sebastian Flennerhag, Hujun Yin, John Keane, Mark Elliot
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
- 32M
- Výcviková data
- 2,000,000 tokens
- Epochy
- 190
32M (Table 3)
"Both models are trained for 10 000 steps with a batch size of 50 and a learning rate of 0.003." "Without tuning for WT2, both outperform previously published results in 150 epochs (table 3) and converge to new state of the art performance in 190 epochs"
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
- 7.3 × 10¹⁶ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / token / parameter * 32000000 parameters * 2000000 tokens * 190 epochs = 7.296e+16 FLOP
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
BSD-3 license: https://github.com/flennerhag/alstm/tree/master/examples
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
- 12
- Benchmark data
- aLSTM(depth-2)+RecurrentPolicy (WT2)
"Without tuning for WT2, both outperform previously published results in 150 epochs (table 3) and converge to new state of the art performance in 190 epochs"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Breaking the Activation Function Bottleneck through Adaptive Parameterization
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Odkud to přišlo
aLSTM(depth-2)+RecurrentPolicy (WT2) byl zveřejněn University of Manchester,Alan Turing Institute, v zemi zaznamenané jako United Kingdom of Great Britain and Northern Ireland, během May 2018. Vychází z organizace, která je kategorizována jako academia,Government.
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.
Trénink a původ
Trenovací běh spotřeboval asi 7.3 × 10¹⁶ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 2,000,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement.
Odpovědi
aLSTM(depth-2)+RecurrentPolicy (WT2) — běžné otázky
aLSTM(depth-2)+RecurrentPolicy (WT2)— 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.
aLSTM(depth-2)+RecurrentPolicy (WT2)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
aLSTM(depth-2)+RecurrentPolicy (WT2)— kolik má parametrů?
Má počet parametrů 32M. 32M (Table 3). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
aLSTM(depth-2)+RecurrentPolicy (WT2)— Kdo to vytvořil?
Bylo to publikováno společností University of Manchester,Alan Turing Institute, zakládající se na United Kingdom of Great Britain and Northern Ireland, organizace zařazená jako academia,Government.
aLSTM(depth-2)+RecurrentPolicy (WT2)— Kdy byl vydán?
Bylo to zveřejněno v May 2018. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
aLSTM(depth-2)+RecurrentPolicy (WT2)— 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.
aLSTM(depth-2)+RecurrentPolicy (WT2)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 7.3 × 10¹⁶ 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.
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.