LSTM(medium)+Sememe+cell (WT2)
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
- Tsinghua University,Beijing University of Posts and Telecommunications,Huawei Noah's Ark Lab
- Organisationsart
- Academia,Academia,Industry
- Land
- China
- Veröffentlicht
- 20 October 2019
- Autoren
- Yujia Qin, Fanchao Qi, Sicong Ouyang, Zhiyuan Liu, Cheng Yang, Yasheng Wang, Qun Liu, Maosong Sun
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling
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
- 24M
- Trainingsdaten
- 2,088,628 tokens
- Epochen
- 40
" the “large” vanilla LSTM has much more parameters than “medium” LSTM+cell (76M vs. 24M), it is still outper- formed by the latter."
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
- Open (non-commercial)
code for Wikitext/PTB. no license. https://github.com/thunlp/SememeRNN/blob/master/LM/main.py
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
- Benchmark-Daten
- LSTM(medium)+Sememe+cell
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Improving Sequence Modeling Ability of Recurrent Neural Networks via Sememes
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Hintergrund
LSTM(medium)+Sememe+cell (WT2) wurde veröffentlicht von Tsinghua University,Beijing University of Posts and Telecommunications,Huawei Noah's Ark Lab, im Land aufgezeichnet als China, während October 2019. Es stammt aus einer Organisation, die kategorisiert ist als academia,Academia,Industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling.
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
Es wurde auf einem Korpus von etwa 2,088,628 Text-Tokens
Antworten
LSTM(medium)+Sememe+cell (WT2) — Häufige Fragen
LSTM(medium)+Sememe+cell (WT2)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
LSTM(medium)+Sememe+cell (WT2)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 24M. " the “large” vanilla LSTM has much more parameters than “medium” LSTM+cell (76M vs. 24M), it is still outper- formed by the latter.". 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.
LSTM(medium)+Sememe+cell (WT2)— Wer hat es erstellt?
Es wurde veröffentlicht von Tsinghua University,Beijing University of Posts and Telecommunications,Huawei Noah's Ark Lab, basiert auf China, eine als kategorisierte Organisation academia,Academia,Industry.
LSTM(medium)+Sememe+cell (WT2)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in October 2019. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
LSTM(medium)+Sememe+cell (WT2)— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.
LSTM(medium)+Sememe+cell (WT2)— 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.
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.