GPT-2 + Progressive LRD
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
- Huawei,Huawei Noah's Ark Lab
- Tipo de Organización
- Industry,Industry
- País
- China
- Publicado
- 12 October 2022
- Autores
- Habib Hajimolahoseini, Walid Ahmed, Mehdi Rezagholizadeh, Vahid Partovinia, Yang Liu
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
- Modelo base
- GPT-2 (124M)
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
- 31M
- Datos de entrenamiento
- tokens
Table 2 They compressed GPT-2 (124M parameters) to 31M parameters
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
- 7.9 × 10²⁰ FLOP
- Cómo se estableció
- Comparison with other models
base model training compute estimation: 7.936 × 10^20 FLOP __________ In the Algorithmic progress paper the estimation was 6.2 × 10^19 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
- Unreleased
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
- Speculative
- Datos de referencia
- Progressive LRD
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Strategies for Applying Low Rank Decomposition to Transformer-Based Models
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
GPT-2 + Progressive LRD fue publicado por Huawei,Huawei Noah's Ark Lab, en el país registrado como China, durante October 2022. La organización editora está clasificada como industry,Industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation.
Su punto de partida fue un modelo base existente, GPT-2 (124M). Por eso comparte la forma y el tamaño general del modelo base.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 7.9 × 10²⁰ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
GPT-2 + Progressive LRD — preguntas comunes
GPT-2 + Progressive LRD— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 31M. Table 2 They compressed GPT-2 (124M parameters) to 31M parameters. 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.
GPT-2 + Progressive LRD— ¿Quién lo creó?
Fue publicado por Huawei,Huawei Noah's Ark Lab, basado en China, una organización categorizada como industry,Industry.
GPT-2 + Progressive LRD— ¿cuándo fue lanzado?
Se publicó en October 2022. 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.
GPT-2 + Progressive LRD— ¿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.
GPT-2 + Progressive LRD— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.9 × 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.
GPT-2 + Progressive LRD— ¿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.
GPT-2 + Progressive LRD— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
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.