GPipe (Transformer)
Χωρίς εκτίμηση
Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο
Τα βάρη αυτού του μοντέλου δεν έχουν δημοσιευθεί, επομένως δεν μπορεί να κατεβεί ή να τρέξει σε δικό σας υλικό οποιουδήποτε μεγέθους. Είναι προσβάσιμο μόνο μέσω του παρόχου του και καμία κάρτα γραφικών δεν το αλλάζει αυτό.
Σε εγγραφή
Πλήρης προδιαγραφή
Όλα τα δεδομένα σχετικά με αυτό το μοντέλο. Τα περισσότερα περιγράφουν πώς εκπαιδεύτηκε παρά πώς τρέχει — χρήσιμο πλαίσιο για την αξιολόγηση του πόσο δουλειά απαιτήθηκε και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα.
Προέλευση
Ποιος δημιούργησε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε;
- Οργάνωση
- Τύπος οργάνωσης
- Industry
- Χώρα
- United States of America
- Δημοσιευμένο
- 16 November 2018
- Συγγραφείς
- Y Huang, Y Cheng, A Bapna, O Firat
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Language
- Εντολή
- Translation
- Προσέγγιση
- Self-supervised learning
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- Παραμέτροι
- 6B
- Δεδομένα εκπαίδευσης
- 1,450,000,000,000 tokens
- Μέγεθος παρτίδας
- 4,000,000
Section 5:
[WORDS] Section 5: "We use a corpus of parallel documents over 102 languages and English, containing a total of 25 billion training examples, ranging from 10^4 to 10^9 per language" 10^9 sentences * 20 words per sentence
"Starting from 260K tokens per batch, we increase the effective batch size to 4M"
Πώς ταξινομείται
Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.
- Γιατί παρακολουθείται
- Highly cited,SOTA improvement
- Καταγραφή εμπιστοσύνης
- Likely
- Αναφορές
- 1,218
"We train a single 6-billion-parameter, 128-layer Transformer model on a corpus spanning over 100 languages and achieve better quality than all bilingual models." I don't see any standard benchmark that they claim SOTA on for a Transforemer model
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.
- Αναφορά
- GPipe: Efficient Training of Giant Neural Networks using Pipeline Parallelism
- Τελευταία ενημέρωση
- 11 February 2026
Τι σημαίνουν οι αριθμοί
Ιστορικό
GPipe (Transformer) was published by Google, in United States of America, in November 2018. It comes out of industry.
It works in Language, and is recorded as doing translation.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Εκπαίδευση και προέλευση
The training set ran to roughly 1,450,000,000,000 tokens.
Its inclusion criterion is highly cited,SOTA improvement.
Απαντήσεις
GPipe (Transformer) — Συχνές ερωτήσεις
When was GPipe (Transformer) released?
GPipe (Transformer) was published in November 2018. 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 GPipe (Transformer) used for?
GPipe (Transformer) works in Language, and is recorded as handling translation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run GPipe (Transformer)?
None. GPipe (Transformer) 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 GPipe (Transformer) open source?
The licensing for GPipe (Transformer) was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does GPipe (Transformer) have?
GPipe (Transformer) has 6B parameters. Section 5:. 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.
Who created GPipe (Transformer)?
GPipe (Transformer) was published by Google, based in United States of America, categorised as industry.
Η άλλη κατεύθυνση
Βλέποντάς το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινάει από το μοντέλο. Αν ήδη διαθέτετε μια κάρτα και θέλετε να γνωρίζετε όλα όσα θα τρέξει, Ξεκινήστε από το υλικό αντί..