GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (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
- Ben-Gurion University of the Negev
- Typ organizace
- Academia
- Země
- Israel
- Publikováno
- 29 August 2017
- Autoři
- Ziv Aharoni, Gal Rattner, Haim Permuter
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
- 38M
- Výcviková data
- 2,000,000 tokens
- Epochy
- 1,000
38M (Table 2)
" The model was trained for 1000 epochs until the validation score stopped improving."
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
- 4.6 × 10¹⁷ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / parameter / token * 38000000 parameters * 2000000 tokens * 1000 epochs = 4.56e+17 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
- Unreleased
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
- 4
- Benchmark data
- GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2)
"Our GL-LSTM model overcame the state-of-the-art results with only two layers and 19M parameters, and further improved the state-of-the-art results with the third layer phase"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Gradual Learning of Recurrent Neural Networks
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Odkud to přišlo
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2) byl zveřejněn Ben-Gurion University of the Negev, v zemi zaznamenané jako Israel, během August 2017. Kategorie, do které vydavatel spadá, je academia.
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 4.6 × 10¹⁷ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 2,000,000 tokeny textu
Jeho kritérium zahrnutí: sOTA improvement.
Odpovědi
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2) — běžné otázky
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (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.
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2)— kolik má parametrů?
Má počet parametrů 38M. 38M (Table 2). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2)— Kdo to vytvořil?
Bylo to publikováno společností Ben-Gurion University of the Negev, zakládající se na Israel, organizace zařazená jako academia.
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2)— Kdy byl vydán?
Bylo to zveřejněno v August 2017. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2)— 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.
GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (WT2)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.6 × 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.
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.