GPT3-2.7B (FlashAttention-2)
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Stanford University,Princeton University
- Tipo de Organización
- Academia,Academia
- País
- United States of America
- Publicado
- 18 July 2023
- Autores
- Tri Dao
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 2.7B
- Datos de entrenamiento
- tokens
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100 SXM4 80 GB
- Chips utilizados
- 8
- Utilización de hardware
- HFU 72.0%
- Consumo de energía
- 6.4 kW
"We empirically validate that when used end-to-end to train GPT-style models, FlashAttention-2 reaches training speed of up to 225 TFLOPs/s per A100 GPU (72\% model FLOPs utilization)." Seems to be a test of FlashAttention2. It's also describing HFU, not MFU. HFU = 0.7200
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- Highly cited,Historical significance
- Confianza de registro
- Confident
- Citas
- 2,682
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- FlashAttention-2: Faster Attention with Better Parallelism and Work Partitioning
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
GPT3-2.7B (FlashAttention-2) fue publicado por Stanford University,Princeton University, en el país registrado como United States of America, durante July 2023. La categoría en la que se encuentra el editor es academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Cómo fue entrenado
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited,Historical significance.
Respuestas
GPT3-2.7B (FlashAttention-2) — preguntas comunes
GPT3-2.7B (FlashAttention-2)— ¿Quién lo creó?
Fue publicado por Stanford University,Princeton University, basado en United States of America, una organización categorizada como academia,Academia.
GPT3-2.7B (FlashAttention-2)— ¿cuándo fue lanzado?
Se publicó en July 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
GPT3-2.7B (FlashAttention-2)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
GPT3-2.7B (FlashAttention-2)— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
GPT3-2.7B (FlashAttention-2)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GPT3-2.7B (FlashAttention-2)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 2.7B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.