NAS+ESS (156M)
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),Chinese Academy of Sciences,NiuTrans Research,Kingsoft
- Tipo de Organización
- Academia,Academia,Industry
- País
- China
- Publicado
- 6 May 2020
- Autores
- Yinqiao Li, Chi Hu, Yuhao Zhang, Nuo Xu, Yufan Jiang, Tong Xiao, Jingbo Zhu, Tongran Liu, Changliang Li
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Neural Architecture Search - NAS, 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
- 156M
- Datos de entrenamiento
- 103,000,000 tokens
- Épocas
- 30
156M (Table 2)
"The batch size was 128 and the number of hidden units was 300"
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
- 2.9 × 10¹⁸ FLOP
- Cómo se estableció
- Operation counting
6 FLOP / token / parameter * 156 * 10^6 parameters * 103000000 tokens * 30 epochs = 2.89224e+18 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 GTX 1080 Ti
- Chips utilizados
- 1
- Consumo de energía
- 280 W
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
- Confident
- Citas
- 12
- Datos de referencia
- NAS+ESS (156M)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Learning Architectures from an Extended Search Space for Language Modeling
- Última actualización
- 11 February 2026
Qué significan los números
Qué es este modelo
NAS+ESS (156M) fue publicado por Northeastern University (China),Chinese Academy of Sciences,NiuTrans Research,Kingsoft, en el país registrado como China, durante May 2020. La organización editora está clasificada como academia,Academia,Industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de neural Architecture Search - NAS, Language modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Producirlo requirió una aritmética que totaliza alrededor de 2.9 × 10¹⁸ FLOP, en hardware registrado como NVIDIA GeForce GTX 1080 Ti. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El conjunto de entrenamiento se ejecutó a aproximadamente 103,000,000 tokens de texto
Respuestas
NAS+ESS (156M) — preguntas comunes
NAS+ESS (156M)— ¿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.
NAS+ESS (156M)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
NAS+ESS (156M)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 156M. 156M (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.
NAS+ESS (156M)— ¿Quién lo creó?
Fue publicado por Northeastern University (China),Chinese Academy of Sciences,NiuTrans Research,Kingsoft, basado en China, una organización categorizada como academia,Academia,Industry.
NAS+ESS (156M)— ¿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.
NAS+ESS (156M)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de neural Architecture Search - NAS, Language modeling. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
NAS+ESS (156M)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.9 × 10¹⁸ FLOP, en hardware registrado como NVIDIA GeForce GTX 1080 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.