AWD-LSTM+Behaviorial-Gating
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 Southern California
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 31 August 2019
- Autores
- Prashanth Gurunath Shivakumar, Shao-Yen Tseng, Panayiotis Georgiou, Shrikanth Narayanan
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
- 27M
- Datos de entrenamiento
- 929,000 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.
- Confianza de registro
- Confident
- Datos de referencia
- AWD-LSTM+Behaviorial-Gating
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Behavior Gated Language Models
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
AWD-LSTM+Behaviorial-Gating fue publicado por University of Southern California, en el país registrado como United States of America, durante August 2019. Sale de una organización categorizada como academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Cómo fue entrenado
Fue entrenado en un corpus de aproximadamente 929,000 tokens de texto
Respuestas
AWD-LSTM+Behaviorial-Gating — preguntas comunes
AWD-LSTM+Behaviorial-Gating— ¿Quién lo creó?
Fue publicado por University of Southern California, basado en United States of America, una organización categorizada como academia.
AWD-LSTM+Behaviorial-Gating— ¿cuándo fue lanzado?
Se publicó en August 2019. 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.
AWD-LSTM+Behaviorial-Gating— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. 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.
AWD-LSTM+Behaviorial-Gating— ¿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.
AWD-LSTM+Behaviorial-Gating— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
AWD-LSTM+Behaviorial-Gating— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 27M. 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.
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.