GPT-Neo-2.7B (finetuned on PTB)
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
- EleutherAI
- Tipo de Organización
- Research collective
- País
- United States of America
- Publicado
- 21 March 2021
- Autores
- Sid Black, Leo Gao, Phil Wang, Connor Leahy, Stella Biderman
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-Neo-2.7B
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
- 2.7B
- Datos de entrenamiento
- tokens
- Épocas
- 1
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
- Open source
MIT. don't think model weights for PTB finetune are available: https://github.com/EleutherAI/gpt-neo
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
- 880
- Datos de referencia
- GPT-Neo-2.7B (finetuned on PTB)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- GPT-Neo: Large Scale Autoregressive Language Modeling with Mesh-Tensorflow
- Última actualización
- 11 February 2026
Qué significan los números
Fondo
GPT-Neo-2.7B (finetuned on PTB) fue publicado por EleutherAI, en el país registrado como United States of America, durante March 2021. La categoría en la que se encuentra el editor es research collective.
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-Neo-2.7B. 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.
Respuestas
GPT-Neo-2.7B (finetuned on PTB) — preguntas comunes
GPT-Neo-2.7B (finetuned on PTB)— ¿cuándo fue lanzado?
Se publicó en March 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-Neo-2.7B (finetuned on PTB)— ¿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.
GPT-Neo-2.7B (finetuned on PTB)— ¿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-Neo-2.7B (finetuned on PTB)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GPT-Neo-2.7B (finetuned on PTB)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 2.7B. 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-Neo-2.7B (finetuned on PTB)— ¿Quién lo creó?
Fue publicado por EleutherAI, basado en United States of America, una organización categorizada como research collective.
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.