Search-Proven Best LSTM
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
- Organisationsart
- Industry
- Land
- United States of America
- Veröffentlicht
- 6 July 2015
- Autoren
- R. Józefowicz, Wojciech Zaremba, Ilya Sutskever
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling, Neural Architecture Search - NAS
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
- 20M
- Trainingsdaten
- 929,000 tokens
- Epochen
- 30
20M (Table 3)
" After training for this number of epochs, we begin to lower the learning rate by a factor of decay each epoch for a total of 30 training epochs in total."
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
- 3.3 × 10¹⁵ FLOP
- Wie es etabliert wurde
- Operation counting
6 FLOP / parameter / token * 20000000 parameters * 929000 tokens * 30 epochs = 3.3444e+15 FLOP
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.
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 2,207
- Benchmark-Daten
- Search-Proven Best LSTM
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- An Empirical Exploration of Recurrent Network Architectures
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
Search-Proven Best LSTM wurde veröffentlicht von Google, im Land aufgezeichnet als United States of America, während July 2015. Es stammt aus einer Organisation, die kategorisiert ist als industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling, Neural Architecture Search - NAS.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Training und Herkunft
Das Training benötigte ein Rechenbudget von ungefähr 3.3 × 10¹⁵ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Der Trainingssatz lief auf etwa 929,000 Text-Tokens
Antworten
Search-Proven Best LSTM — Häufige Fragen
Search-Proven Best LSTM— Wer hat es erstellt?
Es wurde veröffentlicht von Google, basiert auf United States of America, eine als kategorisierte Organisation industry.
Search-Proven Best LSTM— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in July 2015. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
Search-Proven Best LSTM— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling, Neural Architecture Search - NAS. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
Search-Proven Best LSTM— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 3.3 × 10¹⁵ FLOP. 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.
Search-Proven Best LSTM— 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.
Search-Proven Best LSTM— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
Search-Proven Best LSTM— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 20M. 20M (Table 3). 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.
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.