ENAS
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
- Google Brain,Carnegie Mellon University (CMU),Stanford University
- Typ organizace
- Industry,Academia,Academia
- Země
- United States of America
- Publikováno
- 9 February 2018
- Autoři
- Hieu Pham, Melody Y. Guan, Barret Zoph, Quoc V. Le, Jeff Dean
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling, Neural Architecture Search - NAS
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 24M
- Výcviková data
- 929,000 tokens
- Epochy
- 150
24M Table 1
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 × 10¹⁶ FLOP
- Jak bylo ustanoveno
- Operation counting
Training on PTB: 6 FLOP / token / parameter * 24000000 parameters * 929000 tokens * 150 epochs = 2.00664e+16 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA GeForce GTX 1080 Ti
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
code for PTB. Apache license: https://github.com/google-research/google-research/tree/master/enas_lm
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 3,004
- Benchmark data
- ENAS
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Efficient Neural Architecture Search via Parameter Sharing
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
ENAS byl zveřejněn Google Brain,Carnegie Mellon University (CMU),Stanford University, v zemi zaznamenané jako United States of America, během February 2018. Kategorie, do které vydavatel spadá, je industry,Academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling, Neural Architecture Search - NAS.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Co bylo zapotřebí k jeho vybudování
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX 1080 Ti. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 929,000 tokeny textu
Odpovědi
ENAS — běžné otázky
ENAS— Kdy byl vydán?
Bylo to zveřejněno v February 2018. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
ENAS— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling, Neural Architecture Search - NAS. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
ENAS— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX 1080 Ti. 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.
ENAS— 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.
ENAS— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
ENAS— kolik má parametrů?
Má počet parametrů 24M. 24M Table 1. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
ENAS— Kdo to vytvořil?
Bylo to publikováno společností Google Brain,Carnegie Mellon University (CMU),Stanford University, zakládající se na United States of America, organizace zařazená jako industry,Academia,Academia.
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.