Part-of-sentence tagging model
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
- Carnegie Mellon University (CMU)
- Typ organizace
- Academia
- Země
- United States of America
- Publikováno
- 29 May 2016
- Autoři
- Xuehe Ma, Eduard Hovy
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Part-of-speech tagging
- 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.
- Výcviková data
- 912,344 tokens
- Epochy
- 50
Table 2
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
- 1.5 × 10¹⁷ FLOP
- Jak bylo ustanoveno
- Hardware
12 hours of training for POS tagging GeForce GTX TITAN X GPU 0.33 utilization rate
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA GeForce GTX TITAN X
- Používané čipy
- 1
- Čip-hodiny
- 12
- Doba reálného času
- 12 hours
- Příkon
- 290 W
"the model training requires about 12 hours for POS tagging and 8 hours for NER"
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 3,193
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
Part-of-sentence tagging model byl zveřejněn Carnegie Mellon University (CMU), v zemi zaznamenané jako United States of America, během May 2016. Vychází z organizace, která je kategorizována jako academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol part-of-speech tagging.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Co bylo zapotřebí k jeho vybudování
Trenovací běh spotřeboval asi 1.5 × 10¹⁷ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX TITAN X. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 912,344 tokeny textu
Odpovědi
Part-of-sentence tagging model — běžné otázky
Part-of-sentence tagging model— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
Part-of-sentence tagging model— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Part-of-sentence tagging model— Kdo to vytvořil?
Bylo to publikováno společností Carnegie Mellon University (CMU), zakládající se na United States of America, organizace zařazená jako academia.
Part-of-sentence tagging model— Kdy byl vydán?
Bylo to zveřejněno v May 2016. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Part-of-sentence tagging model— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol part-of-speech tagging. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Part-of-sentence tagging model— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.5 × 10¹⁷ FLOP, na hardwaru zaznamenáno jako NVIDIA GeForce GTX TITAN X. 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.
Part-of-sentence tagging model— 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.
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.