DeepSpeech2 (English)
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
- Baidu Research - Silicon Valley AI Lab
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 8 December 2015
- Autoři
- Dario Amodei, Rishita Anubhai, Eric Battenberg, Carl Case, Jared Casper, Bryan Catanzaro, Jingdong Chen, Mike Chrzanowski, Adam Coates, Greg Diamos, Erich Elsen, Jesse Engel, Linxi Fan, Christopher Fougner, Tony Han, Awni Hannun, Billy Jun, Patrick LeGresley, Libby Lin, Sharan Narang, Andrew Ng, Sherjil Ozair, Ryan Prenger, Jonathan Raiman, Sanjeev Satheesh, David Seetapun, Shubho Sengupta, Yi Wan…
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Speech
- Úkol
- Speech recognition (ASR)
- 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.
- parametry
- 38M
- Výcviková data
- 716,400,000 tokens
All networks have 38 million parameters.
"Our English speech system is trained on 11,940 hours of speech, while the Mandarin system is trained on 9,400 hours." 11,940 * 13,680 = 163339200
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
- 2.6 × 10¹⁹ FLOP
- Jak bylo ustanoveno
- Operation counting,Third-party estimation
1 timestep = (1280 hidden units)^2 * (7 RNN layers * 4 matrices for bidirectional + 2 DNN layers) * (2 for doubling parameters from 36M to 72M) = 98 MFLOP 20 epochs * 12,000 hours * 3600 seconds/hour * 50 samples/sec * 98 MFLOP * 3 add-multiply * 2 backprop = 26,000 PF = 0.30 pfs-days See also AI and Compute by Dario Amodei and OpenAI https://openai.com/research/ai-and-compute
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
- 16
- Čip-hodiny
- 1,920
- Doba reálného času
- 120 hours
- Využití hardwaru
- HFU 46.7%
- Příkon
- 8.5 kW
- Náklady na výpočet
- $214
"5 days" from AI and Compute https://openai.com/index/ai-and-compute/
"Overall the system sustains approximately 50 teraFLOP/second when training on 16 GPUs. This amounts to 3 teraFLOP/second per GPU which is about 50% of peak theoretical performance" HFU = (50/16) TFLOP / 6.69 TFLOP = 0.4670
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Frontier model
- Yes
- Záznam důvěry
- Confident
- Citace
- 3,150
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Deep Speech 2: End-to-End Speech Recognition in English and Mandarin
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
DeepSpeech2 (English) byl zveřejněn Baidu Research - Silicon Valley AI Lab, v zemi zaznamenané jako United States of America, během December 2015. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Speech, a je zaznamenán jako vykonávající úkol speech recognition (ASR).
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Co bylo zapotřebí k jeho vybudování
Trénování si vyžádalo výpočetní rozpočet přibližně 2.6 × 10¹⁹ 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.
Trénink spotřeboval korpus kolem 716,400,000 tokeny textu
Odpovědi
DeepSpeech2 (English) — běžné otázky
DeepSpeech2 (English)— Kdo to vytvořil?
Bylo to publikováno společností Baidu Research - Silicon Valley AI Lab, zakládající se na United States of America, organizace zařazená jako industry.
DeepSpeech2 (English)— Kdy byl vydán?
Bylo to zveřejněno v December 2015. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
DeepSpeech2 (English)— K čemu se to používá?
funguje v oblasti Speech, a je zaznamenáno jako zpracovávající úkol speech recognition (ASR). Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
DeepSpeech2 (English)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.6 × 10¹⁹ 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.
DeepSpeech2 (English)— 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.
DeepSpeech2 (English)— 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.
DeepSpeech2 (English)— kolik má parametrů?
Má počet parametrů 38M. All networks have 38 million parameters. 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.