rTop-k(distributed setting)
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
- Stanford University
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 21 May 2020
- Autores
- Leighton Pate Barnes, Huseyin A. Inan, Berivan Isik, Ayfer Ozgur
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
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
- 69M
- Datos de entrenamiento
- 912,344 tokens
- Épocas
- 38
We adopted a 2-layer LSTM language model architec- ture with 1500 hidden units per layer Okay, let's break this down: - You have a 2-layer LSTM model - Each LSTM layer has 1500 hidden units - The vocabulary size is 10k For each LSTM layer: - There are 4 weight matrices (input, forget, output, cell state) per layer - Each weight matrix has dimensions (input size x 1500 hidden units) - Plus 1500 bias terms per matrix Layer 1: - Input size is 10k (vocab size) - Weight matrices: 4 * (10k * 150…
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
- 1.4 × 10¹⁶ FLOP
- Cómo se estableció
- Operation counting
6 FLOP / token / parameter * 69000000 parameters * 912344 tokens * 38 epochs = 1.4352996e+16 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
- Likely
- Citas
- 71
- Datos de referencia
- rTop-k(distributed setting)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- rTop-k: A Statistical Estimation Approach to Distributed SGD
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
rTop-k(distributed setting) fue publicado por Stanford University, en el país registrado como United States of America, durante May 2020. La organización editora está clasificada como academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
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 1.4 × 10¹⁶ 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 912,344 tokens de texto
Respuestas
rTop-k(distributed setting) — preguntas comunes
rTop-k(distributed setting)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.4 × 10¹⁶ 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.
rTop-k(distributed setting)— ¿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.
rTop-k(distributed setting)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
rTop-k(distributed setting)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 69M. We adopted a 2-layer LSTM language model architec- ture with 1500 hidden units per layer Okay, let's break this down: - You have a 2-layer LSTM model - Each LSTM layer has 1500 hidden units - The vocabulary size is 10k For each LSTM layer: - There are 4 weight matrices (input, forget, output, cell state) per layer - Each weight matrix has dimensions (input size x 1500 hidden units) - Plus 1500 bias terms per matrix Layer 1: - Input size is 10k (vocab size) - Weight matrices: 4 * (10k * 1500) = 60 million parameters - Biases: 4 * 1500 = 6000 parameters Layer 2: - Input size is 1500 (output of layer 1) - Weight matrices: 4 * (1500 * 1500) = 9 million parameters - Biases: 4 * 1500 = 6000 parameters Total parameters = 60 million + 6000 + 9 million + 6000 = 69,012,000 So the total number of parameters in this 2-layer 1500-unit LSTM with 10k vocab size is approximately 69 million. 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.
rTop-k(distributed setting)— ¿Quién lo creó?
Fue publicado por Stanford University, basado en United States of America, una organización categorizada como academia.
rTop-k(distributed setting)— ¿cuándo fue lanzado?
Se publicó en May 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.
rTop-k(distributed setting)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. 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.