KnGPT2
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
- Huawei Noah's Ark Lab,McGill University
- Organisationsart
- Industry,Academia
- Land
- China, Canada
- Veröffentlicht
- 15 October 2021
- Autoren
- Ali Edalati, Marzieh Tahaei, Ahmad Rashid, Vahid Partovi Nia, James J. Clark, Mehdi Rezagholizadeh
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling/generation
- Basis-Modell
- GPT-2 (124M)
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
- 83M
- Trainingsdaten
- 853,333,333 tokens
- Epochen
- 1
"The KnGPT2 model is compressed from the GPT-2Small Radford et al. (2019) model. GPT-2Small is 124 million parameters. Our baseline is DistilGPT2 which has about 82 million parameters so our KnGPT2 model is compressed to the same size (83 million parameters) for a fair comparison"
"KnGPT2 is pre-trained on 10% of OpenWebText" 3.2 GB (Table 3) 3.2GB * 200*10^6 words per GB * 4/3 tokens per word = 853333333 tokens
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
- 7.9 × 10²⁰ FLOP
- Wie es etabliert wurde
- Operation counting
- Feinabstimmung Rechenleistung
- 4.2 × 10¹⁷ FLOP
7.936e+20 FLOP [base model, "Speculative" confidence"] + 4.2496e+17 FLOP [fine-tune] = 7.9402496e+20 FLOP
6 FLOP / parameter / token * 83000000 parameters * 853333333 tokens = 4.2496e+17 FLOP
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Wand-Uhrzeit
- 7 hours
6.5 hours (Table 3)
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
- Speculative
- Zitationen
- 42
- Benchmark-Daten
- KnGPT2
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Kronecker Decomposition for GPT Compression
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Hintergrund
KnGPT2 wurde veröffentlicht von Huawei Noah's Ark Lab,McGill University, im Land aufgezeichnet als China, während October 2021. Die veröffentlichende Organisation ist als industry,Academia.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation.
Der Ausgangspunkt war ein vorhandenes Basis-Modell, GPT-2 (124M). Die meisten Modelle in diesem Bereich sind von einer bestehenden Basis abgeleitet, anstatt aus dem Nichts erstellt zu werden.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Was in den Aufbau geflossen ist
Der Trainingslauf verbrauchte etwa 7.9 × 10²⁰ 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 853,333,333 Text-Tokens
Antworten
KnGPT2 — Häufige Fragen
KnGPT2— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 7.9 × 10²⁰ 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.
KnGPT2— 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.
KnGPT2— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
KnGPT2— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 83M. "The KnGPT2 model is compressed from the GPT-2Small Radford et al. (2019) model. GPT-2Small is 124 million parameters. Our baseline is DistilGPT2 which has about 82 million parameters so our KnGPT2 model is compressed to the same size (83 million parameters) for a fair comparison". 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.
KnGPT2— Wer hat es erstellt?
Es wurde veröffentlicht von Huawei Noah's Ark Lab,McGill University, basiert auf China, eine als kategorisierte Organisation industry,Academia.
KnGPT2— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in October 2021. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
KnGPT2— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
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.