CTR-BERT
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
- Amazon
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 6 December 2021
- Autores
- Aashiq Muhamed, Iman Keivanloo, Sujan Perera, James Mracek, Yi Xu, Qingjun Cui, Santosh Rajagopalan, Belinda Zeng, Trishul Chilimb
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Recommendation
- Tarea
- Click-through rate prediction
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
- 70M
- Datos de entrenamiento
- 1,200,000,000 tokens
'CTR-BERTuses about 70 million parameters which can be trained on 8 A100 GPUs in less than a day (<1000 USD). '
more than 200M citations: 'Our CTR dataset is sampled from online traffic and is different from existing public CTR datasets in that it comprises of text features in addition to numeric/categorical features. We sample random train-test splits from 2020 online traffic. As The train-test splits are sampled from 2021 online traffic and balanced the same way as OOD data. The train set comprises 200 million data points and the test and validation sets comprise 25 million points each'
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
- 6.5 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware
flops = (8) * (312 * 10**12) * (24 * 3600) * (0.3) (num gpu) * (peak flops) * (time in seconds) * (assumed utilization rate) 'CTR-BERT uses about 70 million parameters which can be trained on 8 A100 GPUs in less than a day (<1000 USD). '
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
- Chips utilizados
- 8
- Consumo de energía
- 6.4 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.
- Confianza de registro
- Likely
- Citas
- 52
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- CTR-BERT: Cost-effective knowledge distillation for billion-parameter teacher models
- Última actualización
- 1 December 2025
Qué significan los números
Acerca de este modelo
CTR-BERT fue publicado por Amazon, en el país registrado como United States of America, durante December 2021. Sale de una organización categorizada como industry.
Funciona en el dominio de Recommendation, y se registra como realizando la tarea de click-through rate prediction.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 6.5 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El conjunto de entrenamiento se ejecutó a aproximadamente 1,200,000,000 tokens de texto
Respuestas
CTR-BERT — preguntas comunes
CTR-BERT— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 6.5 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100. 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.
CTR-BERT— ¿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.
CTR-BERT— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
CTR-BERT— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 70M. 'CTR-BERTuses about 70 million parameters which can be trained on 8 A100 GPUs in less than a day (<1000 USD). '. 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.
CTR-BERT— ¿Quién lo creó?
Fue publicado por Amazon, basado en United States of America, una organización categorizada como industry.
CTR-BERT— ¿cuándo fue lanzado?
Se publicó en December 2021. 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.
CTR-BERT— ¿Para qué se utiliza?
Funciona en el dominio de Recommendation, y se registra como manejando la tarea de click-through rate prediction. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
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.