GPT3-6.7B + muP
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Microsoft,OpenAI
- Organisationsart
- Industry,Industry
- Land
- United States of America
- Veröffentlicht
- 7 March 2022
- Autoren
- Greg Yang, Edward J. Hu, Igor Babuschkin, Szymon Sidor, Xiaodong Liu, David Farhi, Nick Ryder, Jakub Pachocki, Weizhu Chen, Jianfeng Gao
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling/generation
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 6.7B
- Trainingsdaten
- 300,000,000,000 tokens
- Epochen
- 1
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 1.3 × 10²² FLOP
- Wie es etabliert wurde
- Comparison with other models,Operation counting
- Feinabstimmung Rechenleistung
- 8.4 × 10²⁰ FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 1.07 = 1.284e+22 FLOP 6 FLOP / parameter / token * 6660000000 parameters * 300000000000 tokens = 1.1988 × 10^22 FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 0.07 = 8.4e+20 FLOP
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
their repo is open: https://github.com/microsoft/mup The technique is open, not the model. GPT-3 isn't open so it wouldn't be possible for people to recreate GPT-3 + muP with this code
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 262
- Benchmark-Daten
- GPT3-6.7B + muP
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Tensor Programs V: Tuning Large Neural Networks via Zero-Shot Hyperparameter Transfer
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Hintergrund
GPT3-6.7B + muP wurde veröffentlicht von Microsoft,OpenAI, im Land aufgezeichnet als United States of America, während March 2022. Die veröffentlichende Organisation ist als industry,Industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Wie es trainiert wurde
Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 1.3 × 10²² FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Training verbrauchte ein Korpus von etwa 300,000,000,000 Text-Tokens
Antworten
GPT3-6.7B + muP — Häufige Fragen
GPT3-6.7B + muP— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
GPT3-6.7B + muP— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 1.3 × 10²² FLOP. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
GPT3-6.7B + muP— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
GPT3-6.7B + muP— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
GPT3-6.7B + muP— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 6.7B. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
GPT3-6.7B + muP— Wer hat es erstellt?
Es wurde veröffentlicht von Microsoft,OpenAI, basiert auf United States of America, eine als kategorisierte Organisation industry,Industry.
GPT3-6.7B + muP— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in March 2022. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.