Transformer-XL + RelationLM
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
- DeepMind,University of Oxford
- Tipo de Organización
- Industry,Academia
- País
- United Kingdom of Great Britain and Northern Ireland
- Publicado
- 24 January 2022
- Autores
- Qi Liu, Dani Yogatama, Phil Blunsom
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
- 124M
- Datos de entrenamiento
- 103,000,000 tokens
- Épocas
- 127
124M (Table 2) "We set the hidden size to 512 and the number of layers to 16 for all models."
"We set the lengths of text segment N, extended context M, and the relational memory P to (512, 512, 300), (384, 384, 800) and (768, 1536, 400) for WikiText-103, WMT19 and enwik8, respectively" -> sequence length - 512 tokens batch size 128 assuming 200000 steps (could be more): 200000*128*512 / 103000000 = 127 epochs no information about steps or epochs
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.
- Cómo se estableció
- Operation counting
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
- Google TPU v2
- Chips utilizados
- 64
- Consumo de energía
- 36.1 kW
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.
- Citas
- 35
- Datos de referencia
- TransformerXL+RelationLM
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Relational Memory-Augmented Language Models
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
Transformer-XL + RelationLM fue publicado por DeepMind,University of Oxford, en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante January 2022. La organización editora está clasificada como industry,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Cómo fue entrenado
El conjunto de entrenamiento se ejecutó a aproximadamente 103,000,000 tokens de texto
Respuestas
Transformer-XL + RelationLM — preguntas comunes
Transformer-XL + RelationLM— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Transformer-XL + RelationLM— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 124M. 124M (Table 2) "We set the hidden size to 512 and the number of layers to 16 for all models.". 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.
Transformer-XL + RelationLM— ¿Quién lo creó?
Fue publicado por DeepMind,University of Oxford, basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como industry,Academia.
Transformer-XL + RelationLM— ¿cuándo fue lanzado?
Se publicó en January 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.
Transformer-XL + RelationLM— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Transformer-XL + RelationLM— ¿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.