GPT2+CoreLM+Fine-Tuning
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
- Aristotle University of Thessaloniki
- Tipo de Organización
- Academia
- País
- Greece
- Publicado
- 4 November 2021
- Autores
- Nikolaos Stylianou, Ioannis Vlahavas
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, Named entity recognition (NER)
- Modelo base
- GPT-2 (124M)
- Formato numérico
- FP16
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
- 132M
- Datos de entrenamiento
- tokens
- Épocas
- 10
"In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations."
batch size of 128
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
- 1.2 × 10²⁰ FLOP
- Cómo se estableció
- Hardware
- Computación de ajuste fino
- 2.6 × 10¹⁷ FLOP
GPT-2 124M compute ~ GPT-2 117M compute = 1.1699999999999999 × 10^20 FLOP 1.17 * 10^20 FLOP + 2.57472e+17 FLOP = 1.1725747e+20 FLOP
29800000000000 FLOP / s [Titan V, fp16 - reported] * 8 hours * 3600 sec / hour * 1 GPU * 0.3 [assumed utilization] = 2.57472e+17 FLOP (it is probably the upper bound since the 8 hours time seems to account for all models fine-tuned in the paper)
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 Titan V
- Chips utilizados
- 1
- Tiempo de reloj
- 8 hours
- Consumo de energía
- 277 W
"In this setup, fine-tuning takes approximately 8 hours"
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
- 2
- Datos de referencia
- GPT2+CoreLM+Fine-Tuning
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- CoreLM: Coreference-aware Language Model Fine-Tuning
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
GPT2+CoreLM+Fine-Tuning fue publicado por Aristotle University of Thessaloniki, en el país registrado como Greece, durante November 2021. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Named entity recognition (NER).
En lugar de ser entrenado desde cero, se deriva de GPT-2 (124M). La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.
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 1.2 × 10²⁰ FLOP, en hardware registrado como NVIDIA Titan V. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
GPT2+CoreLM+Fine-Tuning — preguntas comunes
GPT2+CoreLM+Fine-Tuning— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.2 × 10²⁰ FLOP, en hardware registrado como NVIDIA Titan V. 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.
GPT2+CoreLM+Fine-Tuning— ¿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.
GPT2+CoreLM+Fine-Tuning— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GPT2+CoreLM+Fine-Tuning— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 132M. "In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations.". 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.
GPT2+CoreLM+Fine-Tuning— ¿Quién lo creó?
Fue publicado por Aristotle University of Thessaloniki, basado en Greece, una organización categorizada como academia.
GPT2+CoreLM+Fine-Tuning— ¿cuándo fue lanzado?
Se publicó en November 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.
GPT2+CoreLM+Fine-Tuning— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Named entity recognition (NER). Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
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.