LSTM-Char-Large
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
- Harvard University,New York University (NYU)
- Typ organizace
- Academia,Academia
- Země
- United States of America
- Publikováno
- 26 August 2015
- Autoři
- Yoon Kim, Yacine Jernite, David Sontag, Alexander M. Rush
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
- 19M
- Výcviková data
- 929,000 tokens
- Epochy
- 25
19M (Table 3)
25 epochs based on code (https://github.com/yoonkim/lstm-char-cnn/blob/master/main.lua) and "We train for 25 epochs on non-Arabic and 30 epochs on Arabic data (which was sufficient for convergence)"
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
- 2.7 × 10¹⁵ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / parameter / token * 19000000 parameters * 929000 tokens * 25 epochs = 2.64765e+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
- Open source
code, MIT license: https://github.com/yoonkim/lstm-char-cnn
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
- 2,033
- Benchmark data
- LSTM-Char-Large
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Character-Aware Neural Language Models
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
LSTM-Char-Large byl zveřejněn Harvard University,New York University (NYU), v zemi zaznamenané jako United States of America, během August 2015. Vydavatelská organizace je kategorizována jako academia,Academia.
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.
Trénink a původ
Trenovací běh spotřeboval asi 2.7 × 10¹⁵ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 929,000 tokeny textu
Odpovědi
LSTM-Char-Large — běžné otázky
LSTM-Char-Large— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.7 × 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.
LSTM-Char-Large— 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.
LSTM-Char-Large— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
LSTM-Char-Large— kolik má parametrů?
Má počet parametrů 19M. 19M (Table 3). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
LSTM-Char-Large— Kdo to vytvořil?
Bylo to publikováno společností Harvard University,New York University (NYU), zakládající se na United States of America, organizace zařazená jako academia,Academia.
LSTM-Char-Large— Kdy byl vydán?
Bylo to zveřejněno v August 2015. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
LSTM-Char-Large— 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.
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.