VD-LSTM+REAL Small
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
- Stanford University,Salesforce Research
- Typ organizace
- Academia,Industry
- Země
- United States of America
- Publikováno
- 4 November 2016
- Autoři
- Hakan Inan, Khashayar Khosravi, Richard Socher
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
- 6.8M
- Výcviková data
- tokens
- Epochy
- 60
VD-LSTM+REAL Large has 51M parameters. The parameter count of the Small model is not reported, but they say it has 200 hidden units per layer, compared to 1500 for the Large model. Neglecting the rest of the architecture, 51M * (200/1500) = 6.8M
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
- 404
- Benchmark data
- VD-LSTM+REAL Small
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Tying Word Vectors and Word Classifiers: A Loss Framework for Language Modeling
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
VD-LSTM+REAL Small byl zveřejněn Stanford University,Salesforce Research, v zemi zaznamenané jako United States of America, během November 2016. Kategorie, do které vydavatel spadá, je academia,Industry.
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.
Odpovědi
VD-LSTM+REAL Small — běžné otázky
VD-LSTM+REAL Small— Kdo to vytvořil?
Bylo to publikováno společností Stanford University,Salesforce Research, zakládající se na United States of America, organizace zařazená jako academia,Industry.
VD-LSTM+REAL Small— Kdy byl vydán?
Bylo to zveřejněno v November 2016. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
VD-LSTM+REAL Small— 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.
VD-LSTM+REAL Small— 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.
VD-LSTM+REAL Small— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
VD-LSTM+REAL Small— kolik má parametrů?
Má počet parametrů 6.8M. VD-LSTM+REAL Large has 51M parameters. The parameter count of the Small model is not reported, but they say it has 200 hidden units per layer, compared to 1500 for the Large model. Neglecting the rest of the architecture, 51M * (200/1500) = 6.8M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
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.