TransE
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
- Universite de Technologie de Compiègne – CNRS,Google
- Typ organizace
- Academia,Industry
- Země
- France, United States of America
- Publikováno
- 5 December 2013
- Autoři
- Antoine Bordes, Nicolas Usunier, Alberto Garcia- Duran, Jason Weston, and Oksana Yakhnenko
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Entity embedding
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 942M
- Výcviková data
- 17,500,000 tokens
Based on the TransE architecture, the authors give a formula for how the model size scales with the dimensionality of the dataset. The model scale is proportional to: k*(n_e+n_r) where k is the embeddings dimension, n_e is the number of entities, and n_r is the number of relationships. They studied using the TransE model for two datasets: FB15k and FB1M. The FB15k model has 810000 parameters. FB15k has 14951 entities and 1345 relationships. FB1M has 1000000 entities and 23382 relationships. Th…
"it can be successfully trained on a large scale data set with 1M entities, 25k relationships and more than 17M training samples"
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
- 1.3 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Hardware
8 GPUs (they don't specify which, so I used the average for FP32 for 2017 from the write-up table) 8 hours 0.33 util rate
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Náklady na výpočet
- $30
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Frontier model
- Yes
- Proč je to sledováno
- Highly cited
- Záznam důvěry
- Speculative
- Citace
- 8,347
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Translating Embeddings for Modeling Multi- relational Data
- Nap poslední aktualizace
- 1 January 2026
Co čísla znamenají
Odkud to přišlo
TransE byl zveřejněn Universite de Technologie de Compiègne – CNRS,Google, v zemi zaznamenané jako France, během December 2013. Vydavatelská organizace je kategorizována jako academia,Industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol entity embedding.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Trénování si vyžádalo výpočetní rozpočet přibližně 1.3 × 10¹⁸ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 17,500,000 tokeny textu
Jeho kritérium zahrnutí: highly cited.
Odpovědi
TransE — běžné otázky
TransE— kolik má parametrů?
Má počet parametrů 942M. Based on the TransE architecture, the authors give a formula for how the model size scales with the dimensionality of the dataset. The model scale is proportional to: k*(n_e+n_r) where k is the embeddings dimension, n_e is the number of entities, and n_r is the number of relationships. They studied using the TransE model for two datasets: FB15k and FB1M. The FB15k model has 810000 parameters. FB15k has 14951 entities and 1345 relationships. FB1M has 1000000 entities and 23382 relationships. Therefore, the FB1M model will be bigger than the FB15k model by a factor of (23382e6)/(14951*1345) => N = 8.1e5 * (23382e6)/(14951*1345) = 942e6. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
TransE— Kdo to vytvořil?
Bylo to publikováno společností Universite de Technologie de Compiègne – CNRS,Google, zakládající se na France, organizace zařazená jako academia,Industry.
TransE— Kdy byl vydán?
Bylo to zveřejněno v December 2013. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
TransE— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol entity embedding. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
TransE— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.3 × 10¹⁸ 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.
TransE— 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.
TransE— 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.
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.