Integer Transformer

Pesos cerrados Northeastern University (China),NiuTrans Research,Chinese Academy of Sciences 247M parámetros September 2020

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
Northeastern University (China),NiuTrans Research,Chinese Academy of Sciences
Tipo de Organización
Academia,Academia
País
China
Publicado
17 September 2020
Autores
Ye Lin, Yanyang Li, Tengbo Liu, Tong Xiao, Tongran Liu, Jingbo Zhu, Ye Lin, Yanyang Li, Tengbo Liu, Tong Xiao, Tongran Liu, Jingbo Zhu

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, Translation

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
247M
Datos de entrenamiento
tokens

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.

Citas
74
Datos de referencia
Integer Transformer,Integer Transformer

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia
Towards Fully 8-bit Integer Inference for the Transformer Model, Towards Fully 8-bit Integer Inference for the Transformer Model
Última actualización
28 November 2025

Qué significan los números

De dónde vino

Integer Transformer fue publicado por Northeastern University (China),NiuTrans Research,Chinese Academy of Sciences, en el país registrado como China, durante September 2020. Sale de una organización categorizada como academia,Academia.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling, Translation.

Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.

Respuestas

Integer Transformer — preguntas comunes

01

Integer Transformer— ¿Quién lo creó?

Fue publicado por Northeastern University (China),NiuTrans Research,Chinese Academy of Sciences, basado en China, una organización categorizada como academia,Academia.

02

Integer Transformer— ¿cuándo fue lanzado?

Se publicó en September 2020. 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.

03

Integer Transformer— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling, Translation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

04

Integer Transformer— ¿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.

05

Integer Transformer— ¿Es de código abierto?

No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.

06

Integer Transformer— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 247M. 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.

Origen

Publicación original

Última actualización registrada 28 November 2025

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.