MetNet
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Organisationstyp
- Industry
- Land
- United States of America
- Veröffentlicht
- 24 March 2020
- Autoren
- Casper Kaae Sønderby, Lasse Espeholt, Jonathan Heek, Mostafa Dehghani, Avital Oliver, Tim Salimans, Shreya Agrawal, Jason Hickey, Nal Kalchbrenner
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Earth science
- Aufgabe
- Weather forecasting
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Parameter
- 225M
- Trainingsdaten
- 7,045,120,000 tokens
" In total this setting for MetNet has 225M parameters."
"we randomly extracted 13,717 test and validation samples and kept increasing the training set size until we observed no over-fitting at 1.72 million training samples"
Training-Computing
Die zur Ausbildung des Modells durchgeführte Arithmetik, gemessen in Gleitkommaoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht wie schnell das fertige Modell Ihnen antwortet.
- Training-Computing
- 9.5 × 10¹⁸ FLOP
- Wie es etabliert wurde
- Operation counting
6 FLOP / parameter / token * 7045120000 updates [see training dataset size notes, "Likely" confidence] * 225000000 parameters = 9.510912e+18 FLOP check: they report training in 256 TPUs (TPU v3 most likely) 9.510912e+18 FLOP / (123000000000000 FLOP / sec / chip * 256 TPUs * 3600 sec / hour * 0.3 [assumed utilization]) = 0.27 hours (seems to be an underestimation) -> 'Speculative' confidence
Der Trainingslauf
Was physisch notwendig war, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Steckdose zog.
- Trainingshardware
- Google TPU v3
- Verwendete Chips
- 256
- Stromverbrauch
- 235.4 kW
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Trainingscode
- Unreleased
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Warum es nachverfolgt wird
- SOTA improvement
- Aufzeichnungszuversicht
- Speculative
- Zitationen
- 345
"MetNet improves upon the current operational NWP system HRRR for up to 8 hours of lead time" ... "Numerical Weather Prediction is the most successful framework to perform medium- and longrange (up to 6 days with high confidence) forecast to date (Bauer et al., 2015)." "MetNet outperforms HRRR up to 400 to 480 minutes and outperforms a strong optical flow method and the persistence baseline throughout the 480 minute range."
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- MetNet: A Neural Weather Model for Precipitation Forecasting
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Was dieses Modell ist
MetNet was published by Google, in United States of America, in March 2020. The organisation is categorised as industry.
It works in Earth science, and is recorded as doing weather forecasting.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie produziert hat, und es gibt keine lokale Version, die ausgeführt werden kann.
Wie es trainiert wurde
The training run consumed about 9.5 × 10¹⁸ FLOP, on Google TPU v3. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
It was trained on about 7,045,120,000 tokens of text.
Der Grund, warum es überhaupt in diesem Katalog erscheint, ist sOTA-Verbesserung.
Antworten
MetNet — Häufig gestellte Fragen
What is MetNet used for?
MetNet works in Earth science, and is recorded as handling weather forecasting. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train MetNet?
Around 9.5 × 10¹⁸ FLOP, on Google TPU v3. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run MetNet?
None. MetNet is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is MetNet open source?
No. MetNet has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does MetNet have?
MetNet has 225M parameters. " In total this setting for MetNet has 225M parameters.". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created MetNet?
MetNet was published by Google, based in United States of America, categorised as industry.
When was MetNet released?
MetNet was published in March 2020. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.