Large regularized LSTM
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
- New York University (NYU),Google Brain
- Typ organizace
- Academia,Industry
- Země
- United States of America
- Publikováno
- 8 September 2014
- Autoři
- Wojciech Zaremba, Ilya Sutskever, Oriol Vinyals
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
- 66M
- Výcviková data
- 929,000 tokens
- Epochy
- 55
"The large LSTM has 1500 units per layer and its parameters are initialized uniformly in [−0.04, 0.04]" 66M according to Table 3 of https://arxiv.org/pdf/1611.01462
" We train the model for 55 epochs with a learning rate of 1"
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
- 4.3 × 10¹⁶ FLOP
- Jak bylo ustanoveno
- Hardware,Operation counting
3520000000000 FLOP / s/ GPU [tesla k20c assumed, the paper says just "Nvidia k20"] * 1 GPU * 24 hours [could be less, they report "the entire day"] * 3600 s / hour * 0.3 [assumed utilization] = 9.12384e+16 FLOP 6 FLOP / parameter / token * 66000000 parameters * 929000 tokens * 55 epochs = 2.023362e+16 FLOP sqrt(2.023362e+16*9.12384e+16) = 4.2966069e+16
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA Tesla K20c
- Používané čipy
- 1
- Doba reálného času
- 24 hours
- Příkon
- 264 W
"Training this network takes an entire day on an NVIDIA K20 GPU."
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
Apache: https://github.com/wojzaremba/lstm train: https://github.com/wojzaremba/lstm/blob/master/main.lua
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
- 3,224
- Benchmark data
- Large regularized LSTM
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Recurrent Neural Network Regularization
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Odkud to přišlo
Large regularized LSTM byl zveřejněn New York University (NYU),Google Brain, v zemi zaznamenané jako United States of America, během September 2014. Vydavatelská organizace je kategorizována jako academia,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
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
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 4.3 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla K20c. 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
Large regularized LSTM — běžné otázky
Large regularized LSTM— Kdy byl vydán?
Bylo to zveřejněno v September 2014. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Large regularized LSTM— 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.
Large regularized LSTM— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.3 × 10¹⁶ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla K20c. 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.
Large regularized LSTM— 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.
Large regularized LSTM— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Large regularized LSTM— kolik má parametrů?
Má počet parametrů 66M. "The large LSTM has 1500 units per layer and its parameters are initialized uniformly in [−0.04, 0.04]" 66M according to Table 3 of https://arxiv.org/pdf/1611.01462. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Large regularized LSTM— Kdo to vytvořil?
Bylo to publikováno společností New York University (NYU),Google Brain, zakládající se na United States of America, organizace zařazená jako academia,Industry.
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.