Multilingual DNN
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
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 26 May 2013
- Autoři
- G. Heigold, Vincent Vanhoucke, A. Senior, Patrick Nguyen, Marc'Aurelio Ranzato, M. Devin, J. Dean
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Speech
- Úkol
- Speech recognition (ASR)
- Přístup
- Supervised
- Číselný formát
- FP32
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 206.9M
- Výcviková data
- 3,103,200,000 tokens
"The input for the DNN is eleven contiguous frames of 40-dimensional log-filterbank features. The DNN consists of four hidden layers each with 2560 nodes" Network structure: 3 multilingual shared layers, 1 language specific hidden layer + output layer (Figure 2) Language specific layer output sizes: 1600, 3300, 2900, 5700, 3500, 5500, 6200, 4700, 5100, 4900, 3700 (Table 1) Shared: 11*40*2560+2560*2560+2560*2560=14233600 Language heads: 11*2560*2560+2560*1600+2560*3300+2560*2900+2560*5700+2560*35…
Trained on 80+100+220+270+920+1140+1450+1460+1490+1490=8620h of speech data (Table 1) Conversion to words using an estimate of 150 wpm: 8620*60*150=77580000 words
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Doba reálného času
- 672 hours (28 days)
"increased training time of roughly four weeks" 4*7*24=672 hours of training
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
- SOTA improvement,Training cost
- Záznam důvěry
- Confident
I don't see any standard benchmarks where they would claim SOTA results
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Multilingual acoustic models using distributed deep neural networks
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
Multilingual DNN byl zveřejněn Google, v zemi zaznamenané jako United States of America, během May 2013. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Speech, a je zaznamenán jako vykonávající úkol speech recognition (ASR).
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
Trénink spotřeboval korpus kolem 3,103,200,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement,Training cost.
Odpovědi
Multilingual DNN — běžné otázky
Multilingual DNN— K čemu se to používá?
funguje v oblasti Speech, a je zaznamenáno jako zpracovávající úkol speech recognition (ASR). Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Multilingual DNN— 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.
Multilingual DNN— 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.
Multilingual DNN— kolik má parametrů?
Má počet parametrů 206.9M. "The input for the DNN is eleven contiguous frames of 40-dimensional log-filterbank features. The DNN consists of four hidden layers each with 2560 nodes" Network structure: 3 multilingual shared layers, 1 language specific hidden layer + output layer (Figure 2) Language specific layer output sizes: 1600, 3300, 2900, 5700, 3500, 5500, 6200, 4700, 5100, 4900, 3700 (Table 1) Shared: 11*40*2560+2560*2560+2560*2560=14233600 Language heads: 11*2560*2560+2560*1600+2560*3300+2560*2900+2560*5700+2560*3500+2560*5500+2560*6200+2560*4700+2560*5100+2560*4900+2560*3700=192665600 Total: 14233600+192665600=206899200=2e8. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Multilingual DNN— Kdo to vytvořil?
Bylo to publikováno společností Google, zakládající se na United States of America, organizace zařazená jako industry.
Multilingual DNN— Kdy byl vydán?
Bylo to zveřejněno v May 2013. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
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.