LSTM LM
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
- RWTH Aachen University
- Typ organizace
- Academia
- Země
- Germany
- Publikováno
- 9 September 2012
- Autoři
- M. Sundermeyer, R. Schlüter, H. Ney
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
- 102.7M
- Výcviková data
- 27,000,000 tokens
Multiple models were trained, the largest on transcribed French podcast data. "We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data" "Corpus sizes in number of running words; the vocabulary size of the Treebank corpus is 10 K, for Quaero French it is 170 K" Embedding and unembedding: 2*170000*300=102000000 LSTM: 4*600*300=720000 Total: 102000000+720000=102720000=1.03e8 (Assuming the embedding dimension is the same as the LSTM layer)
"We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data."
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
- 1.7 × 10¹⁶ FLOP
- Jak bylo ustanoveno
- Operation counting
FLOP per input for LSTM layer is 4*2*(M+N)*M, for N inputs and M outputs. Embedding FLOPs: 2 * 170000 * 300 = 102,000,000 LSTM FLOPs: 4 * 2 * (300 + 300) * 300 = 1,440,000 Unembedding FLOPs: 2 * 170000 * 300 = 102,000,000 Total: 205,440,000 FLOPs per word per forward pass For 27M training input words and including backward passes: 27M * 3 * 205,440,000 = 1.66e16 However, it sounds like they're doing something with a secondary acoustic model, so this may be an underestimate.
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
- Záznam důvěry
- Speculative
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- LSTM Neural Networks for Language Modeling
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
O tomto modelu
LSTM LM byl zveřejněn RWTH Aachen University, v zemi zaznamenané jako Germany, během September 2012. Vydavatelská organizace je kategorizována jako academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.7 × 10¹⁶ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 27,000,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: highly cited.
Odpovědi
LSTM LM — běžné otázky
LSTM LM— 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.
LSTM LM— kolik má parametrů?
Má počet parametrů 102.7M. Multiple models were trained, the largest on transcribed French podcast data. "We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data" "Corpus sizes in number of running words; the vocabulary size of the Treebank corpus is 10 K, for Quaero French it is 170 K" Embedding and unembedding: 2*170000*300=102000000 LSTM: 4*600*300=720000 Total: 102000000+720000=102720000=1.03e8 (Assuming the embedding dimension is the same as the LSTM layer). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
LSTM LM— Kdo to vytvořil?
Bylo to publikováno společností RWTH Aachen University, zakládající se na Germany, organizace zařazená jako academia.
LSTM LM— Kdy byl vydán?
Bylo to zveřejněno v September 2012. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
LSTM LM— 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.
LSTM LM— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.7 × 10¹⁶ 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.
LSTM LM— 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.
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.