GPT2+CoreLM+Fine-Tuning
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
- Aristotle University of Thessaloniki
- Organisationsart
- Academia
- Land
- Greece
- Veröffentlicht
- 4 November 2021
- Autoren
- Nikolaos Stylianou, Ioannis Vlahavas
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling/generation, Named entity recognition (NER)
- Basis-Modell
- GPT-2 (124M)
- Numerisches Format
- FP16
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
- 132M
- Trainingsdaten
- tokens
- Epochen
- 10
"In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations."
batch size of 128
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
- 1.2 × 10²⁰ FLOP
- Wie es etabliert wurde
- Hardware
- Feinabstimmung Rechenleistung
- 2.6 × 10¹⁷ FLOP
GPT-2 124M compute ~ GPT-2 117M compute = 1.1699999999999999 × 10^20 FLOP 1.17 * 10^20 FLOP + 2.57472e+17 FLOP = 1.1725747e+20 FLOP
29800000000000 FLOP / s [Titan V, fp16 - reported] * 8 hours * 3600 sec / hour * 1 GPU * 0.3 [assumed utilization] = 2.57472e+17 FLOP (it is probably the upper bound since the 8 hours time seems to account for all models fine-tuned in the paper)
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA Titan V
- Verwendete Chips
- 1
- Wand-Uhrzeit
- 8 hours
- Stromverbrauch
- 277 W
"In this setup, fine-tuning takes approximately 8 hours"
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
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Likely
- Zitationen
- 2
- Benchmark-Daten
- GPT2+CoreLM+Fine-Tuning
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- CoreLM: Coreference-aware Language Model Fine-Tuning
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
GPT2+CoreLM+Fine-Tuning wurde veröffentlicht von Aristotle University of Thessaloniki, im Land aufgezeichnet als Greece, während November 2021. Die Kategorie, in die der Herausgeber fällt, ist academia.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Named entity recognition (NER).
Anstatt von Grund auf neu trainiert zu werden, ist es abgeleitet von GPT-2 (124M). Die meisten Modelle in diesem Bereich sind von einer bestehenden Basis abgeleitet, anstatt aus dem Nichts erstellt zu werden.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Training und Herkunft
Der Trainingslauf verbrauchte etwa 1.2 × 10²⁰ FLOP, auf Hardware erfasst als NVIDIA Titan V. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Antworten
GPT2+CoreLM+Fine-Tuning — Häufige Fragen
GPT2+CoreLM+Fine-Tuning— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 1.2 × 10²⁰ FLOP, auf Hardware erfasst als NVIDIA Titan V. 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.
GPT2+CoreLM+Fine-Tuning— 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.
GPT2+CoreLM+Fine-Tuning— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
GPT2+CoreLM+Fine-Tuning— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 132M. "In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations.". 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.
GPT2+CoreLM+Fine-Tuning— Wer hat es erstellt?
Es wurde veröffentlicht von Aristotle University of Thessaloniki, basiert auf Greece, eine als kategorisierte Organisation academia.
GPT2+CoreLM+Fine-Tuning— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in November 2021. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
GPT2+CoreLM+Fine-Tuning— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Named entity recognition (NER). Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
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.