AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)
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
- Peking University,Microsoft Research Asia
- Organisationsart
- Academia,Industry
- Land
- China
- Veröffentlicht
- 18 September 2018
- Autoren
- Chengyue Gong, Di He, Xu Tan, Tao Qin, Liwei Wang, Tie-Yan Liu
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling, Translation, Text classification
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
- 35M
- Trainingsdaten
- 2,000,000 tokens
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, no license: https://github.com/ChengyueGongR/Frequency-Agnostic
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
- Zitationen
- 152
- Benchmark-Daten
- AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)
"Specifically, in language modeling and machine translation, we achieve better performance than the state-of-the-art results on PTB, WT2 and WMT14 English-German datasets."
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- FRAGE: Frequency-Agnostic Word Representation
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Woher es kam
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018) wurde veröffentlicht von Peking University,Microsoft Research Asia, im Land aufgezeichnet als China, während September 2018. Die veröffentlichende Organisation ist als academia,Industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling, Translation, Text classification.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Training und Herkunft
Der Trainingssatz lief auf etwa 2,000,000 Text-Tokens
Das Einschlusskriterium: sOTA improvement.
Antworten
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018) — Häufige Fragen
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 35M. 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Wer hat es erstellt?
Es wurde veröffentlicht von Peking University,Microsoft Research Asia, basiert auf China, eine als kategorisierte Organisation academia,Industry.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in September 2018. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling, Translation, Text classification. 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.
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.