Multilingual DNN
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
- 26 May 2013
- Autoren
- G. Heigold, Vincent Vanhoucke, A. Senior, Patrick Nguyen, Marc'Aurelio Ranzato, M. Devin, J. Dean
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Speech
- Aufgabe
- Speech recognition (ASR)
- Ansatz
- Supervised
- Numerisches Format
- FP32
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
- 206.9M
- Trainingsdaten
- 3,103,200,000 tokens
"The input for the DNN is eleven contiguous frames of 40-dimensional log-filterbank features. The DNN consists of four hidden layers each with 2560 nodes" Network structure: 3 multilingual shared layers, 1 language specific hidden layer + output layer (Figure 2) Language specific layer output sizes: 1600, 3300, 2900, 5700, 3500, 5500, 6200, 4700, 5100, 4900, 3700 (Table 1) Shared: 11*40*2560+2560*2560+2560*2560=14233600 Language heads: 11*2560*2560+2560*1600+2560*3300+2560*2900+2560*5700+2560*35…
Trained on 80+100+220+270+920+1140+1450+1460+1490+1490=8620h of speech data (Table 1) Conversion to words using an estimate of 150 wpm: 8620*60*150=77580000 words
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Wand-Uhrzeit
- 672 hours (28 days)
"increased training time of roughly four weeks" 4*7*24=672 hours of training
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,Training cost
- Aufzeichnungsgenauigkeit
- Confident
I don't see any standard benchmarks where they would claim SOTA results
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Multilingual acoustic models using distributed deep neural networks
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
Multilingual DNN wurde veröffentlicht von Google, im Land aufgezeichnet als United States of America, während May 2013. Es stammt aus einer Organisation, die kategorisiert ist als industry.
Es funktioniert im Bereich von Speech, und wird als die Aufgabe von aufgezeichnet speech recognition (ASR).
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
Training verbrauchte ein Korpus von etwa 3,103,200,000 Text-Tokens
Der Grund, warum es überhaupt in diesem Katalog erscheint: sOTA improvement,Training cost.
Antworten
Multilingual DNN — Häufige Fragen
Multilingual DNN— Wofür wird es verwendet?
Es funktioniert im Bereich von Speech, und wird als Bewältigung der Aufgabe von speech recognition (ASR). 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.
Multilingual DNN— 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.
Multilingual DNN— Ist es Open-Source?
Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.
Multilingual DNN— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 206.9M. "The input for the DNN is eleven contiguous frames of 40-dimensional log-filterbank features. The DNN consists of four hidden layers each with 2560 nodes" Network structure: 3 multilingual shared layers, 1 language specific hidden layer + output layer (Figure 2) Language specific layer output sizes: 1600, 3300, 2900, 5700, 3500, 5500, 6200, 4700, 5100, 4900, 3700 (Table 1) Shared: 11*40*2560+2560*2560+2560*2560=14233600 Language heads: 11*2560*2560+2560*1600+2560*3300+2560*2900+2560*5700+2560*3500+2560*5500+2560*6200+2560*4700+2560*5100+2560*4900+2560*3700=192665600 Total: 14233600+192665600=206899200=2e8. 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.
Multilingual DNN— Wer hat es erstellt?
Es wurde veröffentlicht von Google, basiert auf United States of America, eine als kategorisierte Organisation industry.
Multilingual DNN— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in May 2013. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
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.