Monarch-GPT-2-Small
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,University at Buffalo,University of Michigan
- Tipo de Organización
- Academia,Academia,Academia
- País
- United States of America
- Publicado
- 1 April 2022
- Autores
- Tri Dao, Beidi Chen, Nimit Sohoni, Arjun Desai, Michael Poli, Jessica Grogan, Alexander Liu, Aniruddh Rao, Atri Rudra, Christopher Ré
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
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
- 72M
- Datos de entrenamiento
- 103,000,000 tokens
GPPT-2 small has 124M parameters: https://huggingface.co/openai-community/gpt2 upd see Table 2
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
- 9 × 10¹⁹ FLOP
- Cómo se estableció
- Operation counting
400k iterations with batch size 512 (Appendix E) GPT 2 small on Huggingface has a context length of 1024 FLOP estimate using 6ND: 6*400000*512*1024*72000000=9.0596966e+19
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 V100
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 for code: https://github.com/HazyResearch/fly/tree/master https://github.com/HazyResearch/fly/tree/master/configs/model/gpt2model
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
- Confident
- Citas
- 130
- Datos de referencia
- Monarch-GPT-2-Small
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Monarch: Expressive Structured Matrices for Efficient and Accurate Training
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
Monarch-GPT-2-Small fue publicado por Stanford University,University at Buffalo,University of Michigan, en el país registrado como United States of America, durante April 2022. La categoría en la que se encuentra el editor es academia,Academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Entrenarlo tomó un presupuesto de computación de aproximadamente 9 × 10¹⁹ FLOP, en hardware registrado como NVIDIA V100. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 103,000,000 tokens de texto
Respuestas
Monarch-GPT-2-Small — preguntas comunes
Monarch-GPT-2-Small— ¿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.
Monarch-GPT-2-Small— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Monarch-GPT-2-Small— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 72M. GPPT-2 small has 124M parameters: https://huggingface.co/openai-community/gpt2 upd see Table 2. 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.
Monarch-GPT-2-Small— ¿Quién lo creó?
Fue publicado por Stanford University,University at Buffalo,University of Michigan, basado en United States of America, una organización categorizada como academia,Academia,Academia.
Monarch-GPT-2-Small— ¿cuándo fue lanzado?
Se publicó en April 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.
Monarch-GPT-2-Small— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Monarch-GPT-2-Small— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 9 × 10¹⁹ FLOP, en hardware registrado como NVIDIA V100. 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.
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.