FMMformer (2-kernel fast weight + Band20)
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 Los Angeles (UCLA),University of Utah
- Tipo de Organización
- Academia,Academia
- País
- United States of America
- Publicado
- 5 August 2021
- Autores
- Tan M. Nguyen, Vai Suliafu, Stanley J. Osher, Long Chen, Bao Wang
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, Text classification
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
- 40M
- Datos de entrenamiento
- tokens
40M (caption to Table 2)
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
- 2.5 × 10¹⁶ FLOP
- Cómo se estableció
- Operation counting
6 FLOP / token / parameter * 40 * 10^6 parameters * 103*10^6 tokens * 1 epoch [assumed, not given] = 2.472e+16 FLOP ________ estimation from the Algorithmic progress paper: 4.3*10^17 FLOP
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 GeForce RTX 3090 Ti
- Chips utilizados
- 4
- Consumo de energía
- 3.6 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
- Speculative
- Citas
- 38
- Datos de referencia
- FMMformer (2-kernel fast weight + Band20)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- FMMformer: Efficient and Flexible Transformer via Decomposed Near-field and Far-field Attention
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
FMMformer (2-kernel fast weight + Band20) fue publicado por University of California Los Angeles (UCLA),University of Utah, en el país registrado como United States of America, durante August 2021. Sale de una organización categorizada como academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling, Text classification.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Entrenarlo tomó un presupuesto de computación de aproximadamente 2.5 × 10¹⁶ FLOP, en hardware registrado como NVIDIA GeForce RTX 3090 Ti. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
FMMformer (2-kernel fast weight + Band20) — preguntas comunes
FMMformer (2-kernel fast weight + Band20)— ¿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.
FMMformer (2-kernel fast weight + Band20)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
FMMformer (2-kernel fast weight + Band20)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 40M. 40M (caption to Table 2). 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.
FMMformer (2-kernel fast weight + Band20)— ¿Quién lo creó?
Fue publicado por University of California Los Angeles (UCLA),University of Utah, basado en United States of America, una organización categorizada como academia,Academia.
FMMformer (2-kernel fast weight + Band20)— ¿cuándo fue lanzado?
Se publicó en August 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.
FMMformer (2-kernel fast weight + Band20)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling, Text classification. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
FMMformer (2-kernel fast weight + Band20)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.5 × 10¹⁶ FLOP, en hardware registrado como NVIDIA GeForce RTX 3090 Ti. 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.
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.