AWD-LSTM+WT+Cache+IOG (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
- NTT Communication Science Laboratories
- Typ organizace
- Industry
- Země
- Japan
- Publikováno
- 26 September 2017
- Autoři
- Sho Takase, Jun Suzuki, Masaaki Nagata
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
- 53M
- Výcviková data
- 2,000,000 tokens
- Epochy
- 5
53M (Table 3)
5 epochs (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
- 3.2 × 10¹⁵ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / parameter / token * 53000000 parameters * 2000000 tokens * 5 epochs = 3.18e+15 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 (non-commercial)
license, looks non-commercial: https://github.com/nttcslab-nlp/iog?tab=License-1-ov-file#readme https://github.com/nttcslab-nlp/iog
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
- 7
- Benchmark data
- AWD-LSTM+WT+Cache+IOG (WT2)
"IOG achieves comparable scores to the state-of-the-art on the Penn Treebank dataset and outperforms the WikiText-2 dataset"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Input-to-Output Gate to Improve RNN Language Models
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Co je tento MODEL
AWD-LSTM+WT+Cache+IOG (WT2) byl zveřejněn NTT Communication Science Laboratories, v zemi zaznamenané jako Japan, během September 2017. 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
Trénování si vyžádalo výpočetní rozpočet přibližně 3.2 × 10¹⁵ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 2,000,000 tokeny textu
Jeho kritérium zahrnutí: sOTA improvement.
Odpovědi
AWD-LSTM+WT+Cache+IOG (WT2) — běžné otázky
AWD-LSTM+WT+Cache+IOG (WT2)— kolik má parametrů?
Má počet parametrů 53M. 53M (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.
AWD-LSTM+WT+Cache+IOG (WT2)— Kdo to vytvořil?
Bylo to publikováno společností NTT Communication Science Laboratories, zakládající se na Japan, organizace zařazená jako industry.
AWD-LSTM+WT+Cache+IOG (WT2)— Kdy byl vydán?
Bylo to zveřejněno v September 2017. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
AWD-LSTM+WT+Cache+IOG (WT2)— 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.
AWD-LSTM+WT+Cache+IOG (WT2)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 3.2 × 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.
AWD-LSTM+WT+Cache+IOG (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.
AWD-LSTM+WT+Cache+IOG (WT2)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
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.