KnGPT2
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
- Huawei Noah's Ark Lab,McGill University
- Tipo de Organización
- Industry,Academia
- País
- China, Canada
- Publicado
- 15 October 2021
- Autores
- Ali Edalati, Marzieh Tahaei, Ahmad Rashid, Vahid Partovi Nia, James J. Clark, Mehdi Rezagholizadeh
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 (124M)
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
- 83M
- Datos de entrenamiento
- 853,333,333 tokens
- Épocas
- 1
"The KnGPT2 model is compressed from the GPT-2Small Radford et al. (2019) model. GPT-2Small is 124 million parameters. Our baseline is DistilGPT2 which has about 82 million parameters so our KnGPT2 model is compressed to the same size (83 million parameters) for a fair comparison"
"KnGPT2 is pre-trained on 10% of OpenWebText" 3.2 GB (Table 3) 3.2GB * 200*10^6 words per GB * 4/3 tokens per word = 853333333 tokens
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
- 7.9 × 10²⁰ FLOP
- Cómo se estableció
- Operation counting
- Computación de ajuste fino
- 4.2 × 10¹⁷ FLOP
7.936e+20 FLOP [base model, "Speculative" confidence"] + 4.2496e+17 FLOP [fine-tune] = 7.9402496e+20 FLOP
6 FLOP / parameter / token * 83000000 parameters * 853333333 tokens = 4.2496e+17 FLOP
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Tiempo de reloj
- 7 hours
6.5 hours (Table 3)
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
- Speculative
- Citas
- 42
- Datos de referencia
- KnGPT2
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Kronecker Decomposition for GPT Compression
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
KnGPT2 fue publicado por Huawei Noah's Ark Lab,McGill University, en el país registrado como China, durante October 2021. 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.
Su punto de partida fue un modelo base existente, GPT-2 (124M). La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 7.9 × 10²⁰ FLOP. 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 853,333,333 tokens de texto
Respuestas
KnGPT2 — preguntas comunes
KnGPT2— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.9 × 10²⁰ 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.
KnGPT2— ¿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.
KnGPT2— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
KnGPT2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 83M. "The KnGPT2 model is compressed from the GPT-2Small Radford et al. (2019) model. GPT-2Small is 124 million parameters. Our baseline is DistilGPT2 which has about 82 million parameters so our KnGPT2 model is compressed to the same size (83 million parameters) for a fair comparison". 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.
KnGPT2— ¿Quién lo creó?
Fue publicado por Huawei Noah's Ark Lab,McGill University, basado en China, una organización categorizada como industry,Academia.
KnGPT2— ¿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.
KnGPT2— ¿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.
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.