LSTM-Large+Behaviorial-Gating
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
- University of Southern California
- Organisationstyp
- Academia
- Land
- United States of America
- Veröffentlicht
- 31 August 2019
- Autoren
- Prashanth Gurunath Shivakumar, Shao-Yen Tseng, Panayiotis Georgiou, Shrikanth Narayanan
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Language
- Aufgabe
- Language modeling
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
- 67M
- Trainingsdaten
- tokens
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.
- Zitationen
- 3
- Benchmark data
- LSTM-Large+Behaviorial-Gating
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Behavior Gated Language Models
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Was dieses Modell ist
LSTM-Large+Behaviorial-Gating was published by University of Southern California, in United States of America, in August 2019. academia is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Antworten
LSTM-Large+Behaviorial-Gating — Häufig gestellte Fragen
Who created LSTM-Large+Behaviorial-Gating?
LSTM-Large+Behaviorial-Gating was published by University of Southern California, based in United States of America, categorised as academia.
When was LSTM-Large+Behaviorial-Gating released?
LSTM-Large+Behaviorial-Gating was published in August 2019. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is LSTM-Large+Behaviorial-Gating used for?
LSTM-Large+Behaviorial-Gating works in Language, and is recorded as handling language modeling. 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.
What GPU do I need to run LSTM-Large+Behaviorial-Gating?
None. LSTM-Large+Behaviorial-Gating 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 LSTM-Large+Behaviorial-Gating open source?
No. LSTM-Large+Behaviorial-Gating has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does LSTM-Large+Behaviorial-Gating have?
LSTM-Large+Behaviorial-Gating has 67M 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.
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.