GPT-2 (fine-tuned with HYDRA)
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
- University of California San Diego
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 16 October 2021
- Autores
- Kabir Nagrecha, Arun Kumar
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 (1.5B)
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
- 1.5B
- Datos de entrenamiento
- tokens
- Épocas
- 1
They don't actually say which GPT-2 version they use, but it appears to be XL (1.5B params), since Table 1 shows zero-shot accuracy of 18.34 on WikiText-2, which is what the 1.5B version got.
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
- 1.9 × 10²¹ FLOP
- Cómo se estableció
- Operation counting
- Computación de ajuste fino
- 1.8 × 10¹⁶ FLOP
They fine-tuned GPT-2 (1.5B) for one epoch on WikiText-2. GPT-2 itself used 1.92e21 FLOP, and here we see 6 * 2M * 1.54B = 1.848e16 fine-tuning FLOP (which has almost no impact on total FLOP).
They fine-tuned GPT-2 (1.5B) for one epoch on WikiText-2. GPT-2 itself used 1.92e21 FLOP, and here we see 6 * 2M * 1.54B = 1.848e16 fine-tuning FLOP (which has almost no impact on total 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
- Confident
- Citas
- 6
- Datos de referencia
- GPT-2 (fine-tuned with HYDRA)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Hydra: A System for Large Multi-Model Deep Learning
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
GPT-2 (fine-tuned with HYDRA) fue publicado por University of California San Diego, en el país registrado como United States of America, durante October 2021. Sale de una organización categorizada como academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation.
En lugar de ser entrenado desde cero, se deriva de GPT-2 (1.5B). Por eso comparte la forma y el tamaño general del modelo base.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 1.9 × 10²¹ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
GPT-2 (fine-tuned with HYDRA) — preguntas comunes
GPT-2 (fine-tuned with HYDRA)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.9 × 10²¹ 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 (fine-tuned with HYDRA)— ¿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 (fine-tuned with HYDRA)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GPT-2 (fine-tuned with HYDRA)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1.5B. They don't actually say which GPT-2 version they use, but it appears to be XL (1.5B params), since Table 1 shows zero-shot accuracy of 18.34 on WikiText-2, which is what the 1.5B version got. 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 (fine-tuned with HYDRA)— ¿Quién lo creó?
Fue publicado por University of California San Diego, basado en United States of America, una organización categorizada como academia.
GPT-2 (fine-tuned with HYDRA)— ¿cuándo fue lanzado?
Se publicó en October 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.
GPT-2 (fine-tuned with HYDRA)— ¿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.
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.