NPLM (Brown)
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
- University of Montreal / Université de Montréal
- Organisationsart
- Academia
- Land
- Canada
- Veröffentlicht
- 15 March 2003
- Autoren
- Yoshua Bengio, Réjean Ducharme, Pascal Vincent, Christian Jauvin
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Text autocompletion
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
- 4.1M
- Trainingsdaten
- 13,994,528 tokens
"The number of free parameters is |V|(1 + nm + h) + h(1 + (n − 1)m) [...] For example, consider the following architecture used in the experiments on the AP (Associated Press) news data: the vocabulary size is |V| = 17,964, the number of hidden units is h = 60, the order of the model is n = 6, the number of word features is m = 100" Brown corpus: n=5, h=100, m=30, |V|=16383 16383*(1+5*30+100)+100*(1+(5-1)*30)=4124233
"Comparative experiments were performed on the Brown corpus which is a stream of 1,181,041 words, from a large variety of English texts and books. The first 800,000 words were used for training, the following 200,000 for validation (model selection, weight decay, early stopping) and the remaining 181,041 for testing. The number of different words is 47,578 (including punctuation, distinguishing between upper and lower case, and including the syntactical marks used to separate texts and paragraph…
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
- 1.3 × 10¹⁴ FLOP
- Wie es etabliert wurde
- Operation counting
"For example, consider the following architecture used in the experiments on the AP (Associated Press) news data: the vocabulary size is |V| = 17,964, the number of hidden units is h = 60, the order of the model is n = 6, the number of word features is m = 100. The total number of numerical operations to process a single training example is approximately |V|(1+nm+h)+h(1+nm)+nm" Brown corpus: n=5, h=100, m=30, |V|=16383, dataset size = 800000, epochs=20 Forward FLOP: 16383*(1+5*30+100)+100*(1+5*…
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Grenzmodell
- Yes
- Warum es verfolgt wird
- Highly cited
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 7,637
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- A Neural Probabilistic Language Model
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Hintergrund
NPLM (Brown) wurde veröffentlicht von University of Montreal / Université de Montréal, im Land aufgezeichnet als Canada, während March 2003. Die Kategorie, in die der Herausgeber fällt, ist academia.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet text autocompletion.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Wie es trainiert wurde
Der Trainingslauf verbrauchte etwa 1.3 × 10¹⁴ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Training verbrauchte ein Korpus von etwa 13,994,528 Text-Tokens
Es wird aus einem bestimmten Grund im zugrunde liegenden Datensatz verfolgt: highly cited.
Antworten
NPLM (Brown) — Häufige Fragen
NPLM (Brown)— 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.
NPLM (Brown)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 4.1M. "The number of free parameters is |V|(1 + nm + h) + h(1 + (n − 1)m) [...] For example, consider the following architecture used in the experiments on the AP (Associated Press) news data: the vocabulary size is |V| = 17,964, the number of hidden units is h = 60, the order of the model is n = 6, the number of word features is m = 100" Brown corpus: n=5, h=100, m=30, |V|=16383 16383*(1+5*30+100)+100*(1+(5-1)*30)=4124233. 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.
NPLM (Brown)— Wer hat es erstellt?
Es wurde veröffentlicht von University of Montreal / Université de Montréal, basiert auf Canada, eine als kategorisierte Organisation academia.
NPLM (Brown)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in March 2003. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
NPLM (Brown)— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von text autocompletion. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
NPLM (Brown)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 1.3 × 10¹⁴ 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.
NPLM (Brown)— 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.
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.