DLWP
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
- University of Washington,Microsoft Research
- Organisationsart
- Academia,Industry
- Land
- United States of America
- Veröffentlicht
- 9 February 2021
- Autoren
- Jonathan A. Weyn, Dale R. Durran, Rich Caruana, Nathaniel Cresswell-Clay
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Earth science
- Aufgabe
- Weather forecasting
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
- 2.7M
- Trainingsdaten
- tokens
Table 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
- 5.7 × 10¹⁸ FLOP
- Wie es etabliert wurde
- Hardware
31330000000000 FLOP / GPU/ sec [Tesla V100] * 1 GPU * 168 hours * 3600 sec / hour * 0.3 [assumed utilization] = 5.6845152e+18 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.
- Trainingshardware
- NVIDIA Tesla V100 DGXS 32 GB
- Verwendete Chips
- 1
- Wand-Uhrzeit
- 168 hours (7 days)
- Stromverbrauch
- 279 W
"Our DLWP model requires 6–8 days of computation to train on a single Tesla V100 GPU 7 days = 168 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.
- Warum es verfolgt wird
- SOTA improvement
- Aufzeichnungsgenauigkeit
- Confident
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Sub-seasonal forecasting with a large ensemble of deep-learning weather prediction models
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
DLWP wurde veröffentlicht von University of Washington,Microsoft Research, im Land aufgezeichnet als United States of America, während February 2021. Es stammt aus einer Organisation, die kategorisiert ist als academia,Industry.
Es funktioniert im Bereich von Earth science, und wird als die Aufgabe von aufgezeichnet weather forecasting.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Was in den Aufbau geflossen ist
Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 5.7 × 10¹⁸ FLOP, auf Hardware erfasst als NVIDIA Tesla V100 DGXS 32 GB. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Das Einschlusskriterium: sOTA improvement.
Antworten
DLWP — Häufige Fragen
DLWP— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 2.7M. Table 1. 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.
DLWP— Wer hat es erstellt?
Es wurde veröffentlicht von University of Washington,Microsoft Research, basiert auf United States of America, eine als kategorisierte Organisation academia,Industry.
DLWP— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in February 2021. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
DLWP— Wofür wird es verwendet?
Es funktioniert im Bereich von Earth science, und wird als Bewältigung der Aufgabe von weather forecasting. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
DLWP— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 5.7 × 10¹⁸ FLOP, auf Hardware erfasst als NVIDIA Tesla V100 DGXS 32 GB. 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.
DLWP— 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.
DLWP— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
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.