GloVe (32B)

Uzavřené váhy Stanford University 120M parametry January 2014

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
Stanford University
Typ organizace
Academia
Země
United States of America
Publikováno
1 January 2014
Autoři
J Pennington, R Socher, CD Manning

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména
Language
Úkol
Semantic embedding

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry
120M

400k vocab * 300 vector dimensions

Výcviková data
315,209,597 tokens

"We trained our model on five corpora of varying sizes: a 2010 Wikipedia dump with 1 billion tokens; a 2014 Wikipedia dump with 1.6 billion tokens; Gigaword 5 which has 4.3 billion tokens; the combination Gigaword5 + Wikipedia2014, which has 6 billion tokens; and on 42 billion tokens of web data, from Common Crawl [To demonstrate the scalability of the model, we also trained it on a much larger sixth corpus, containing 840 billion tokens of web data, but in this case we did not lowercase the vo…

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Proč je to sledováno
Highly cited
Citace
30,643

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
GloVe: Global Vectors for Word Representation
Nap poslední aktualizace
11 February 2026

Co čísla znamenají

Pozadí

GloVe (32B) byl zveřejněn Stanford University, v zemi zaznamenané jako United States of America, během January 2014. Vydavatelská organizace je kategorizována jako academia.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol semantic embedding.

Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.

Jak bylo trénováno

Bylo to trénováno na korpusu asi 315,209,597 tokeny textu

Jeho kritérium zahrnutí: highly cited.

Odpovědi

GloVe (32B) — běžné otázky

01

GloVe (32B)— 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.

02

GloVe (32B)— 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.

03

GloVe (32B)— kolik má parametrů?

Má počet parametrů 120M. 400k vocab * 300 vector dimensions. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

04

GloVe (32B)— Kdo to vytvořil?

Bylo to publikováno společností Stanford University, zakládající se na United States of America, organizace zařazená jako academia.

05

GloVe (32B)— Kdy byl vydán?

Bylo to zveřejněno v January 2014. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

06

GloVe (32B)— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol semantic embedding. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 11 February 2026

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.