TransAct
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
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 31 May 2023
- Autores
- Xue Xia, Pong Eksombatchai, Nikil Pancha, Dhruvil Deven Badani, Po-Wei Wang, Neng Gu, Saurabh Vishwas Joshi, Nazanin Farahpour, Zhiyuan Zhang, Andrew Zhai
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Recommendation
- Tarea
- Recommender system
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
- 92M
- Datos de entrenamiento
- tokens
92M (Table 9)
[tokens] "Our training dataset contains 3 billion training instances of 177 million users and 720 million pins." "sequence length is |𝑆 | = 100 " "we choose to include each user’s most recent 100 actions in the sequence. For users with less than 100 actions, we pad the feature to the length of 100 with 0s" "The batch size is 12000" 3B training instances * 100 = 3*10^11 training tokens
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 1.7 × 10²⁰ FLOP
- Cómo se estableció
- Operation counting
6 FLOP / token / parameter * 92 * 10^6 parameters * 3 * 10^11 tokens [see dataset size notes] = 1.656e+20 FLOP
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
- Código de entrenamiento
- Open source
Apache 2.0 https://github.com/pinterest/transformer_user_action
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- TransAct: Transformer-based Realtime User Action Model for Recommendation at Pinterest
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
TransAct fue publicado por Pinterest, en el país registrado como United States of America, durante May 2023. Sale de una organización categorizada como industry.
Funciona en el dominio de Recommendation, y se registra como realizando la tarea de recommender system.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Entrenarlo tomó un presupuesto de computación de aproximadamente 1.7 × 10²⁰ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
TransAct — preguntas comunes
TransAct— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
TransAct— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 92M. 92M (Table 9). 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.
TransAct— ¿Quién lo creó?
Fue publicado por Pinterest, basado en United States of America, una organización categorizada como industry.
TransAct— ¿cuándo fue lanzado?
Se publicó en May 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.
TransAct— ¿Para qué se utiliza?
Funciona en el dominio de Recommendation, y se registra como manejando la tarea de recommender system. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
TransAct— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.7 × 10²⁰ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
TransAct— ¿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.
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.