2-layer-LSTM+Deep-Gradient-Compression

Uzavřené váhy Tsinghua University,Stanford University,NVIDIA 6M parametry December 2017

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..

Prozkoumejte modely, které můžete spustit místo toho.

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: Tsinghua University,Stanford University,NVIDIA
Typ organizace: Academia,Academia,Industry
Země: China, United States of America
Publikováno: 5 December 2017
Autoři: Yujun Lin, Song Han, Huizi Mao, Yu Wang, William J. Dally

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Language
Úkol: Language modeling
Číselný formát: FP32

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 6M
Výcviková data: 929,000 tokens
Epochy: 40

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: 1.3 × 10¹⁵ FLOP
Jak bylo ustanoveno: Operation counting

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
Citace: 1,627
Benchmark data: 2-layer-LSTM+Deep-Gradient-Compression

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Deep Gradient Compression: Reducing the Communication Bandwidth for Distributed Training
Nap poslední aktualizace: 25 May 2026

Co čísla znamenají

Odkud to přišlo

2-layer-LSTM+Deep-Gradient-Compression byl zveřejněn Tsinghua University,Stanford University,NVIDIA, v zemi zaznamenané jako China, během December 2017. Vychází z organizace, která je kategorizována jako academia,Academia,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.

Trénink a původ

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.3 × 10¹⁵ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 929,000 tokeny textu

Odpovědi

2-layer-LSTM+Deep-Gradient-Compression — běžné otázky

2-layer-LSTM+Deep-Gradient-Compression— Je to OPEN SOURCE?

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

2-layer-LSTM+Deep-Gradient-Compression— kolik má parametrů?

Má počet parametrů 6M. Here is a summary of the calculations to determine the number of parameters in the 2-layer LSTM model with Deep Gradient Compression described in the paper: Model has 2 LSTM layers with 1500 hidden units each For an LSTM layer: W matrix: number of hidden units * input dimension U matrix: number of hidden units * number of hidden units 4 bias vectors with size = number of hidden units So params per LSTM layer = hidden_units * (input_dim + hidden_units + 4) For layer 1: Input dim is word embedding size (estimated 300) Params = 1500 * (300 + 1500 + 4) = 1,512,000 For layer 2: Input is previous layer output (1500) Params = 1500 * (1500 + 1500 + 4) = 4,506,000 Total Params = Layer 1 + Layer 2 = 1,512,000 + 4,506,000 = 6,018,000 The Deep Gradient Compression technique does not change number of parameters. So total parameters for the model is approximately 6 million. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

2-layer-LSTM+Deep-Gradient-Compression— Kdo to vytvořil?

Bylo to publikováno společností Tsinghua University,Stanford University,NVIDIA, zakládající se na China, organizace zařazená jako academia,Academia,Industry.

2-layer-LSTM+Deep-Gradient-Compression— Kdy byl vydán?

Bylo to zveřejněno v December 2017. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

2-layer-LSTM+Deep-Gradient-Compression— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

2-layer-LSTM+Deep-Gradient-Compression— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.3 × 10¹⁵ 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.

2-layer-LSTM+Deep-Gradient-Compression— 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.

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.

Všechny AI modely