Pointer Sentinel-LSTM (medium)
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
- MetaMind Inc,Salesforce
- Typ organizace
- Industry,Industry
- Země
- United States of America
- Publikováno
- 26 September 2016
- Autoři
- Stephen Merity, Caiming Xiong, James Bradbury, 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
- 21M
- Výcviková data
- 929,000 tokens
- Epochy
- 64
"We also halve the learning rate when validation perplexity is worse than the previous iteration, stopping training when validation perplexity fails to improve for three epochs or when 64 epochs are reached"
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
- 7.5 × 10¹⁵ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / parameter / token * 21000000 parameters * 929000 tokens * 64 epochs = 7.491456e+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
- 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
- Highly cited,SOTA improvement
- Záznam důvěry
- Confident
- Citace
- 4,010
- Benchmark data
- Pointer Sentinel-LSTM (medium)
"Our pointer sentinel-LSTM model achieves state of the art language modeling performance on the Penn Treebank (70.9 perplexity) while using far fewer parameters than a standard softmax LSTM"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Pointer Sentinel Mixture Models
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
Pointer Sentinel-LSTM (medium) byl zveřejněn MetaMind Inc,Salesforce, v zemi zaznamenané jako United States of America, během September 2016. Vychází z organizace, která je kategorizována jako industry,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.
Co bylo zapotřebí k jeho vybudování
Trénování si vyžádalo výpočetní rozpočet přibližně 7.5 × 10¹⁵ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 929,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: highly cited,SOTA improvement.
Odpovědi
Pointer Sentinel-LSTM (medium) — běžné otázky
Pointer Sentinel-LSTM (medium)— 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.
Pointer Sentinel-LSTM (medium)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Pointer Sentinel-LSTM (medium)— kolik má parametrů?
Má počet parametrů 21M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Pointer Sentinel-LSTM (medium)— Kdo to vytvořil?
Bylo to publikováno společností MetaMind Inc,Salesforce, zakládající se na United States of America, organizace zařazená jako industry,Industry.
Pointer Sentinel-LSTM (medium)— Kdy byl vydán?
Bylo to zveřejněno v September 2016. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Pointer Sentinel-LSTM (medium)— 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.
Pointer Sentinel-LSTM (medium)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 7.5 × 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.
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.