Stack RNN
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
- Facebook AI Research
- Organisationstyp
- Industry
- Land
- United States of America, France
- Veröffentlicht
- 3 March 2015
- Autoren
- Armand Joulin, Tomas Mikolov
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
- 2M
- 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
repo but no PTB experiment code: https://github.com/facebookarchive/Stack-RNN
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Zitationen
- 440
- Benchmark data
- Stack RNN
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Inferring Algorithmic Patterns with Stack-Augmented Recurrent Nets
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
Stack RNN wurde von Facebook AI Research in den Vereinigten Staaten von Amerika im März 2015 veröffentlicht. Industrie ist die Kategorie, in die der Herausgeber fällt.
It works in Language, and is recorded as doing language modeling.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Antworten
Stack RNN — Häufig gestellte Fragen
Who created Stack RNN?
Stack RNN was published by Facebook AI Research, based in United States of America, categorised as industry.
When was Stack RNN released?
Stack RNN was published in March 2015. 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 Stack RNN used for?
Stack RNN works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run Stack RNN?
None. Stack RNN 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 Stack RNN open source?
No. Stack RNN has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Stack RNN have?
Stack RNN has 2M 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.