Stack RNN
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu nebyly publikovány, takže jej nelze stáhnout ani spustit na vlastním hardwaru v jakékoli velikosti. Je dostupný pouze prostřednictvím svého poskytovatele a žádná grafická karta to nezmění..
Záznam.
Plná specifikace
Všechno zaznamenané k tomuto modelu. Většina z toho popisuje, jak byl trénován, nikoli jak běží — užitečný kontext pro posouzení, kolik práce do něj bylo vloženo, a jak se srovnává s modely postavenými na jinou škálu.
Původ
Kdo vybudoval tento model, kde a kdy byl publikován.
- Organizace
- Facebook AI Research
- Typ organizace
- Industry
- Země
- United States of America, France
- Publikováno
- 3 March 2015
- Autoři
- Armand Joulin, Tomas Mikolov
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
Velikost
Jak velký je model a na kolik dat byl vytrénován. Parametry jsou číslo, které rozhoduje o tom, zda se vejde na danou grafickou kartu.
- Parametry
- 2M
- Tréninková data
- tokens
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se na tuto stránku vztahují jakákoliv čísla grafických karet.
- Váhy
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
repo but no PTB experiment code: https://github.com/facebookarchive/Stack-RNN
Jak je klasifikováno
Labely, které se na zdrojovém datovém souboru používají při sledování významných modelů, a jak moc si je jistý touto položkou.
- Citace
- 440
- Benchmarková data
- Stack RNN
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- Inferring Algorithmic Patterns with Stack-Augmented Recurrent Nets
- Naposledy aktualizováno
- 28 November 2025
Co čísla znamenají
O tomto modelu
Stack RNN was published by Facebook AI Research, in United States of America, in March 2015. industry is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Odpovědi
Stack RNN — Časté dotazy
Who created Stack RNN?
Stack RNN was published by Facebook AI Research, based in United States of America, categorised as industry.
When was Stack RNN released?
Stack RNN was published in March 2015. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Stack RNN used for?
Stack RNN works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run Stack RNN?
None. Stack RNN is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Stack RNN open source?
No. Stack RNN has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Stack RNN have?
Stack RNN has 2M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Druhý směr
Když se na to podíváte z druhé strany?
Tato stránka začíná modelem. Pokud již vlastníte kartu a chcete vědět, co vše bude schopna spustit, Začněte raději od hardwaru.