BELLE-LLaMA-7B-2M-enc Υπολογιστής TPS
Κάθε κάρτα παρακάτω αξιολογείται σύμφωνα με αυτό το μοντέλο στη διάρκεια συμφραζομένων και την ελάχιστη ποιότητα που επιλέγετε. Η ταχύτητα είναι μια εκτίμηση για ένα μόνο αίτημα, υπολογισμένη από το εύρος ζώνης μνήμης της κάρτας και το μέγεθος του μοντέλου μόλις συμπιεστεί..
Υπολογίστηκε για αυτό το μοντέλο
818 κάρτες που κρατάμε προδιαγραφές για
Η μικρότερη κάρτα που χωράει
Quadro 6000
6 GB · IQ4_XS · 18.1 tok/s
Ταχύτερη κάρτα
B200
484 tok/s · 180 GB
Ποιες GPU μπορούν να τρέξουν BELLE-LLaMA-7B-2M-enc?
Ορίστε τις εισόδους, διαβάστε την απάντηση
Μια μεγαλύτερη συζήτηση χρειάζεται περισσότερη μνήμη, γεγονός που μπορεί να απομακρύνει αυτό το μοντέλο από μικρότερες κάρτες..
Κρύβει κάρτες που θα χωρούσαν μόνο το μοντέλο συμπιέζοντας το κάτω από αυτό το σημείο.
582 οι κάρτες ταιριάζουν
Υπολογισμός| Χρειάζεται | Ποσοτικοποίηση | Καλά | |||||
|---|---|---|---|---|---|---|---|
|
484
tok/s
411–581 |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 8.8 GB | Q8_0 | Άνετο |
|
484
tok/s
411–581 |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 8.8 GB | Q8_0 | Άνετο |
|
387
tok/s
232–618 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 8.8 GB | Q8_0 | Άνετο |
|
387
tok/s
232–618 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 8.8 GB | Q8_0 | Άνετο |
|
309
tok/s
185–495 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 8.8 GB | Q8_0 | Άνετο |
|
296
tok/s
251–355 |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 8.8 GB | Q8_0 | Άνετο |
|
296
tok/s
251–355 |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 8.8 GB | Q8_0 | Άνετο |
|
283
tok/s
170–453 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 8.8 GB | Q8_0 | Άνετο |
|
251
tok/s
151–402 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 8.8 GB | Q8_0 | Άνετο |
|
251
tok/s
151–402 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 8.8 GB | Q8_0 | Άνετο |
|
251
tok/s
151–402 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 8.8 GB | Q8_0 | Άνετο |
|
238
tok/s
203–286 |
H100 NVL 94 GB NVIDIA | 94 GB | 3,940 GB/s | Mar 2023 | 8.8 GB | Q8_0 | Άνετο |
|
203
tok/s
173–244 |
H100 PCIe 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 8.8 GB | Q8_0 | Άνετο |
|
203
tok/s
173–244 |
H100 SXM5 80 GB NVIDIA | 80 GB | 3,360 GB/s | Oct 2022 | 8.8 GB | Q8_0 | Άνετο |
|
203
tok/s
173–244 |
H100 SXM5 94 GB NVIDIA | 94 GB | 3,360 GB/s | Mar 2023 | 8.8 GB | Q8_0 | Άνετο |
|
203
tok/s
173–244 |
H100 SXM5 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 8.8 GB | Q8_0 | Άνετο |
|
203
tok/s
173–244 |
H800 SXM5 NVIDIA | 80 GB | 3,360 GB/s | Mar 2023 | 8.8 GB | Q8_0 | Άνετο |
|
155
tok/s
93–248 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI250 AMD | 128 GB | 3,280 GB/s | Nov 2021 | 8.8 GB | Q8_0 | Άνετο |
|
155
tok/s
93–248 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI250X AMD | 128 GB | 3,280 GB/s | Nov 2021 | 8.8 GB | Q8_0 | Άνετο |
|
131
tok/s
111–157 |
CMP 170HX 8 GB NVIDIA | 8 GB | 1,490 GB/s | Sep 2021 | 7.1 GB | Q6_K | Στενά |
|
129
tok/s
77–206 · χαμηλή εμπιστοσύνη |
Data Center GPU Max 1550 Intel | 128 GB | 3,280 GB/s | Jan 2023 | 8.8 GB | Q8_0 | Άνετο |
|
126
tok/s
76–202 · χαμηλή εμπιστοσύνη |
Data Center GPU Max Subsystem Intel | 128 GB | 3,210 GB/s | Jan 2023 | 8.8 GB | Q8_0 | Άνετο |
|
123
tok/s
105–148 |
A100 SXM4 80 GB NVIDIA | 80 GB | 2,040 GB/s | Nov 2020 | 8.8 GB | Q8_0 | Άνετο |
|
123
tok/s
105–148 |
A100X NVIDIA | 80 GB | 2,040 GB/s | Jun 2021 | 8.8 GB | Q8_0 | Άνετο |
|
123
tok/s
105–148 |
A800 SXM4 80 GB NVIDIA | 80 GB | 2,040 GB/s | Aug 2022 | 8.8 GB | Q8_0 | Άνετο |
Οι ταχύτητες είναι εκτιμήσεις για ένα μόνο αίτημα — μία συνομιλία τη φορά — υπολογισμένες από την μνήμη, το μέγεθος του μοντέλου και την ποσοτικοποίηση. Η πραγματική διακύμανση έξοδου ποικίλλει με τον χρόνο εκτέλεσης συμπερασμάτων και την έκδοσή του. Οι αριθμοί που δημοσιεύονται από τους προμηθευτές υλικού μετρούν πολλές ταυτόχρονες αιτήσεις και είναι πολύ υψηλότεροι..
Σε καταγραφή
Πλήρης προδιαγραφή
Όλα τα καταγεγραμμένα για αυτό το μοντέλο. Τα περισσότερα από αυτά περιγράφουν το πώς εκπαιδεύτηκε παρά το πώς τρέχει — χρήσιμο πλαίσιο για την εκτίμηση του πόση εργασία έχει επενδυθεί σε αυτό, και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα..
Προέλευση
Ποιος κατασκεύασε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε.
- Οργάνωση
- KE Holdings Inc. (“Beike”)
- Τύπος οργανισμού
- Industry
- Χώρα
- China
- Δημοσιευμένο
- 12 June 2023
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες σχεδιάστηκε το μοντέλο. Ένα μοντέλο μπορεί να διαθέτει αρκετές από κάθε μία.
- τομέας
- Language
- Εργασία
- Language modeling/generation
- Βασικό μοντέλο
- LLaMA-7B
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα έχει εκπαιδευτεί. Οι παράμετροι είναι ο αριθμός που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- παράμετροι
- 7B
- Δεδομένα εκπαίδευσης
- tokens
- Εποχές
- 3
I am not sure if they report tokens, words, or documents
Διαθεσιμότητα
Εάν μπορείτε να αποκτήσετε το μοντέλο και να το τρέξετε στο δικό σας υλικό, το οποίο αποφασίζει αν οποιαδήποτε από τις αριθμούς της κάρτας γραφικών σε αυτή τη σελίδα ισχύει.
- Βάρη
- Open — downloadable
- Πρόσβαση μοντέλου
- Open weights (non-commercial)
- Αγκαλιάζοντας το Πρόσωπο
- BelleGroup
Πώς ταξινομείται
Ετικέτες το πηγαίο σύνολο δεδομένων εφαρμόζει όταν παρακολουθεί σημαντικά μοντέλα, και πόσο βέβαιο είναι στην είσοδο.
- Εγγραφή εμπιστοσύνης
- Confident
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία φορά.
- Τελευταία ενημέρωση
- 28 November 2025
Οι ακραίοι
Οι δέκα ταχύτερες GPUs που τρέχουν BELLE-LLaMA-7B-2M-enc
Καταταγμένο κατά εκτιμώμενα tokens ανά δευτερόλεπτο, η νέα κάρτα πρώτα όπου οι ταχύτητες ισοφαρίζουν. Επειδή η γενιά εξαρτάται από την μνήμη μπάδνγουθ, αυτή η ταξινόμηση ακολουθεί την μπάδνγουθ παρά οποιοδήποτε benchmark παιχνιδιού..
- 01 B300 288 GB · 8,000 GB/s · Q8_0 484 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q8_0 484 tok/s
- 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 387 tok/s
- 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 387 tok/s
- 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 309 tok/s
- 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 296 tok/s
- 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 296 tok/s
- 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 283 tok/s
- 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 251 tok/s
- 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 251 tok/s
Οι μικρότερες GPUs που ακόμη λειτουργούν BELLE-LLaMA-7B-2M-enc
Η φθηνότερη διαδρομή, κατά χωρητικότητα μνήμης. Μια σφιχτή εφαρμογή τρέχει το μοντέλο αλλά δεν αφήνει τίποτα επιπλέον για μια μεγαλύτερη συνομιλία..
- 01 RTX 1000 Mobile Ada Generation 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 28.5 tok/s
- 02 GeForce RTX 3050 6 GB 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 25.0 tok/s
- 03 Arc A380M 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 18.0 tok/s
- 04 GeForce RTX 4050 Max-Q 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 28.5 tok/s
- 05 GeForce RTX 4050 Mobile 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 28.5 tok/s
- 06 Data Center GPU Flex 140 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 18.0 tok/s
- 07 Arc Pro A40 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 18.5 tok/s
- 08 Arc Pro A50 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 18.5 tok/s
- 09 GeForce RTX 3050 Max-Q Refresh 6 GB 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 19.6 tok/s
- 10 GeForce RTX 3050 Mobile Refresh 6 GB 6 GB · Χρειάζεται 5.1 GB · IQ4_XS · Στενά 25.0 tok/s
Τι σημαίνουν οι αριθμοί
Τι χρειάζεται για να τρέξει αυτό το μοντέλο
Ελάχιστη κάρτα
Quadro 6000
Μνήμη που απαιτείται
5.1 GB
Ταχύτερος
484 tok/s
BELLE-LLaMA-7B-2M-enc φτάνει σε αριθμό παραμέτρων του 7B. Αυτό είναι αρκετά μικρό ώστε το υλικό σπάνια να είναι το εμπόδιο, συμπεριλαμβανομένων καρτών αρκετών ετών. Ο αριθμός των καρτών που παρακολουθούμε που μπορούν να το τρέξουν: 582.
Η μικρότερη κάρτα που το κρατάει είναι Quadro 6000, με χωρητικότητα μνήμης 6 GB, τρέχοντας το σε μια συμπίεση του IQ4_XS και παράγοντας περίπου 18.1 tokens ανά δευτερόλεπτο
Κορυφαία κατηγορία είναι B200, γεννά προσεγγιστικά 484 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.
Από πού προήλθε
BELLE-LLaMA-7B-2M-enc δημοσιεύθηκε από KE Holdings Inc. (“Beike”), στην χώρα καταγεγραμμένη ως China, κατά τη διάρκεια June 2023. Η κατηγορία στην οποία υπάγεται ο εκδότης είναι industry.
Λειτουργεί στον τομέα της Language, και καταγράφεται ότι εκτελεί την εργασία του language modeling/generation.
Βασίζεται σε LLaMA-7B. Οι περισσότεροι μοντέλα σε αυτή την κλίμακα προσαρμόζονται από μια υπάρχουσα βάση παρά κατασκευάζονται από το μηδέν.
Επειδή τα βάρη του απελευθερώθηκαν, τίποτα σχετικά με την εκτέλεσή του δεν εξαρτάται από το να παραμείνει διαθέσιμος ένας προμηθευτής - είναι δικό σας μόλις το κατεβάσετε. Στο Hugging Face δημοσιεύεται υπό την οργάνωση BelleGroup.
Κατανόηση των ταχυτήτων
Η διάμεση τιμή είναι γύρω από 26.1 δεδομένα ανά δευτερόλεπτο 552 τους
Είναι ένα πυκνό μοντέλο, οπότε κάθε παράμετρος διαβάζεται για κάθε τοκέτο που παράγεται. Αυτό καθιστά την ταχύτητα να παρακολουθεί σχεδόν ακριβώς τη μνήμη μπάκανθ — μια κάρτα με διπλάσια μπάκανθ παράγει περίπου διπλάσια γρήγορα.
Η διάταξη προσοχής του είναι οργανωμένη στο αρχείο, οπότε οι αριθμοί μνήμης υπολογίζονται ακριβώς αντί για προσεγγιστικά.
Βήμα προς βήμα
Πώς να επιλέξετε μια GPU για BELLE-LLaMA-7B-2M-enc
Ο πίνακας παραπάνω έχει ήδη αξιολογήσει κάθε κάρτα για την οποία έχουμε προδιαγραφές σε σχέση με αυτό το μοντέλο. Η εύρεση της απάντησής σας απαιτεί έξι βήματα.
-
01
Αρχίστε από τη στήλη μνήμης
Αρχίστε από αυτό που πραγματικά χρειάζεται, το οποίο είναι η απαίτηση του BELLE-LLaMA-7B-2M-enc, χρειάζεστε γύρω 5.1 GB σε συμπίεση ενός IQ4_XS. Αυτή η τιμή, όχι η κύρια απόδοση μιας κάρτας, είναι αυτή που αποφασίζει αν θα τρέξει.
-
02
Ρύθμισε το context length που θα εργαστείς.
Η συζήτηση καταναλώνει μνήμη επίσης, και μεγαλώνει καθώς προχωρά. Ρυθμίστε τον διακόπτη στο μήκος που αναμένετε, γιατί σε μεγάλο context μια κάρτα που χειρίζεται εύκολα σύντομες ερωτήσεις μπορεί να απορριφθεί από BELLE-LLaMA-7B-2M-enc.
-
03
Ορίστε ένα ποιοτικό κατώφλι
Η στήλη ποσοτικοποίησης διαφέρει ανά κάρτα, διότι μια μεγαλύτερη κάρτα κρατά μια πιο ακριβή αντιγραφή., φτάνοντας σε μια συμπίεση του IQ4_XS στην μικρότερη κάρτα που χωρά. Η ρύθμιση μιας ελάχιστης ποιότητας απορρίπτει τις κάρτες που το διαχειρίζονται μόνο σφίγγοντας περισσότερο από αυτό που θα θέλατε, και διατηρεί τη σύγκριση σε ένα επίπεδο.
-
04
Σύγκριση TPS, όχι προδιαγραφές
Η κατάταξη κατά τους αριθμούς ανά δευτερόλεπτο ακολουθεί την εύρος μνήμης αντί για τον αριθμό πυρήνων, για BELLE-LLaMA-7B-2M-enc. Δεν θα ταιριάξει σε μια παραγγελία παιχνιδιών, επειδή η γενιά περιορίζεται από το memory bandwidth. Η κάρτα που είναι στην κορυφή της λίστας είναι B200, σε 484 τοκ/σ.
-
05
Κοίτα τον χώρο, όχι μόνο την εφαρμογή
Μια σφιχτή εφαρμογή τρέχει, αλλά δεν αφήνει τίποτα ελεύθερο για μια μεγαλύτερη συζήτηση, στην περίπτωση του BELLE-LLaMA-7B-2M-enc. Άνετο σημαίνει ότι μπορείτε να επεκτείνετε το context αργότερα. Αυτή η διαφορά έχει μεγαλύτερη σημασία από μερικά tokens ανά δευτερόλεπτο, οπότε αγοράστε για άνετο αν το περιμένετε.
-
06
Έλεγξε την κάρτα από την άλλη πλευρά
Κάθε όνομα κάρτας συνδέεται με τη δική της σελίδα, η οποία εκτελεί την ίδια υπολογιστική διαδικασία σε όλο τον κατάλογο μοντέλων. Μια κάρτα συνήθως αγοράζεται για περισσότερα από ένα μοντέλο, οπότε αξίζει να ρίξετε μια ματιά πριν από την αγορά για BELLE-LLaMA-7B-2M-enc.
Απαντήσεις
BELLE-LLaMA-7B-2M-enc — κοινές ερωτήσεις
BELLE-LLaMA-7B-2M-enc— πού μπορώ να το κατεβάσω;
Τα βάρη του είναι δημοσιευμένα στο Hugging Face, υπό την οργάνωση BelleGroup. Δεν φιλοξενούμε αρχεία μοντέλων — αυτός ο ιστότοπος υπολογίζει ποιο υλικό απαιτείται για να τα εκτελέσετε.
BELLE-LLaMA-7B-2M-enc— μπορώ να το τρέξω αν δεν χωράει στην GPU μου;
Μπορεί να χωριστεί μεταξύ της κάρτας και της μνήμης του συστήματος, αλλά παράγει επώδυνα αργά με αυτόν τον τρόπο. Η πλησιέστερη αποτυχία που υπολογίζουμε υπολείπεται κατά 1.0 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.
BELLE-LLaMA-7B-2M-enc— θα τρέξουν δύο GPU πιο γρήγορα;
Δύο κάρτες αγοράζουν μνήμη rather than ταχύτητα, η οποία έχει σημασία μόνο αν μία κάρτα δεν μπορεί να το κρατήσει. Ο αριθμός που μπορεί: 582. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.
BELLE-LLaMA-7B-2M-enc— γιατί διαφέρει η ποσοτικοποίηση μεταξύ των καρτών;
Κάθε κάρτα εμφανίζεται τρέχοντας την λιγότερο συμπιεσμένη έκδοση που μπορεί να κρατήσει. Ο αριθμός των διακριτών επιπέδων συμπίεσης στις κάρτες που ταιριάζουν σε αυτήν: 3. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.
BELLE-LLaMA-7B-2M-enc— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;
Αυτές είναι εκτιμήσεις με πραγματικά περιθώρια σφάλματος, και οποιαδήποτε από αυτές θα μπορούσε λογικά να βρεθεί οπουδήποτε εντός της δημοσιευμένης περιοχής της, ανάλογα με το ποιο τρέξιμο χρησιμοποιείτε. Το ταχύτερο αποτέλεσμα εδώ: 411–581 tok/s στον B200. Το ίδιο μοντέλο και κάρτα διαφέρουν κατά τριάντα έως πενήντα τοις εκατό ανάλογα με το λογισμικό συμπερασμού και την έκδοσή του.
BELLE-LLaMA-7B-2M-enc— ποια GPU χρειάζομαι για να το τρέξω;
Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι Quadro 6000, με χωρητικότητα μνήμης 6 GB. Τρέχει το μοντέλο σε συμπίεση της IQ4_XS χρησιμοποιώντας περίπου 5.1 GB, και παράγει περίπου 18.1 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 582.
BELLE-LLaMA-7B-2M-enc— πώς γρήγορα είναι σε μια GPU;
Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 484 tokens ανά δευτερόλεπτο; ο πιο αργός που εξακολουθεί να τρέχει διαχειρίζεται σημαντικά λιγότερα. Η ταχύτητα ανάγνωσης είναι γύρω από δέκα tokens ανά δευτερόλεπτο, και ο αριθμός των καρτών που καθαρίζουν αυτό: 552.
BELLE-LLaMA-7B-2M-enc— πόσο VRAM χρειάζεται;
Χρειάζεται περίπου 5.1 GB σε συμπίεση IQ4_XS, ποια είναι η μικρότερη κάρτα που το τρέχει. Λιγότερη συμπίεση χρειάζεται περισσότερα: οι αριθμοί στη στήλη μνήμης παραπάνω υπολογίζονται ξανά για κάθε κάρτα, επειδή κάθε μία κρατά την λιγότερο συμπιεσμένη έκδοση που μπορεί.
BELLE-LLaMA-7B-2M-enc— μπορώ να το τρέξω σε μια GPU holding 8 GB?
Ναι. Η GPU CMP 170HX 8 GB, κρατώντας 8 ΓΒ, το τρέχει με συμπίεση από Q6_K, χρησιμοποιώντας περίπου 7.1 GB και παράγοντας περίπου 131 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.
BELLE-LLaMA-7B-2M-enc— μπορώ να το τρέξω σε μια GPU holding 12 GB?
Ναι. Η GPU GeForce RTX 3080 Ti, κρατώντας 12 ΓΒ, το τρέχει με συμπίεση από Q8_0, χρησιμοποιώντας περίπου 8.8 GB και παράγοντας περίπου 55.2 εγγραφές ανά δευτερόλεπτο. Η εφαρμογή είναι άνετη.
BELLE-LLaMA-7B-2M-enc— μπορώ να το τρέξω σε μια GPU holding 16 GB?
Ναι. Η GPU Tesla V100 SXM2 16 GB, κρατώντας 16 ΓΒ, το τρέχει με συμπίεση από Q8_0, χρησιμοποιώντας περίπου 8.8 GB και παράγοντας περίπου 68.4 εγγραφές ανά δευτερόλεπτο. Η εφαρμογή είναι άνετη.
BELLE-LLaMA-7B-2M-enc— μπορώ να το τρέξω σε μια GPU holding 24 GB?
Ναι. Η GPU GeForce RTX 5090 D V2, κρατώντας 24 ΓΒ, το τρέχει με συμπίεση από Q8_0, χρησιμοποιώντας περίπου 8.8 GB και παράγοντας περίπου 81.1 εγγραφές ανά δευτερόλεπτο. Η εφαρμογή είναι άνετη.
BELLE-LLaMA-7B-2M-enc— είναι ανοιχτού κώδικα;
Οι βάσεις του είναι δημοσιευμένες, οπότε μπορεί να κατέβει και να τρέξει σε δικό σας υλικό. Σημειώστε ότι τα open weights δεν είναι το ίδιο με το open source με την πλήρη έννοια — δεν λέει τίποτα για τα δεδομένα εκπαίδευσης, τον κώδικα εκπαίδευσης ή τους εμπορικούς όρους που συσχετίζονται.
BELLE-LLaMA-7B-2M-enc— πόσες παραμέτρους έχει;
Έχει αριθμό παραμέτρων 7B. Αυτή η φιγούρα είναι το σύνολο, και είναι αυτό που αποφασίζει πόση μνήμη χρειάζεται το μοντέλο - περίπου μισό γιγαμπάιτ ανά δισεκατομμύριο με τη συμπίεση που χρησιμοποιεί το πιο πολλοί άνθρωποι.
BELLE-LLaMA-7B-2M-enc— ποιος το δημιούργησε;
Δημοσιεύθηκε από KE Holdings Inc. (“Beike”), βασισμένο σε China, μία οργάνωση κατηγοριοποιημένη ως industry.
BELLE-LLaMA-7B-2M-enc— πότε κυκλοφόρησε;
Δημοσιεύθηκε σε June 2023. Η ικανότητα ανά παράμετρο έχει βελτιωθεί σημαντικά από τότε, οπότε ένα νέο ΜΟΝΤΕΛ του ίδιου μεγέθους είναι συχνά η καλύτερη χρήση του ίδιου υλικού.
BELLE-LLaMA-7B-2M-enc— για τί χρησιμοποιείται;
Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του language modeling/generation. Αυτές είναι οι περιοχές γύρω από τις οποίες σχεδιάστηκε; Περιγράφουν την πρόθεση παρά ένα αυστηρό όριο.
Η άλλη κατεύθυνση
Κοιτάζοντας το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινά από το μοντέλο. Αν έχετε ήδη μια κάρτα και θέλετε να μάθετε τα πάντα για το τι θα τρέξει., ξεκινήστε από το υλικό αντ' αυτού.