WeNet (Penn Treebank)
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
- Amazon
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 8 April 2019
- Autores
- Zhiheng Huang, Bing Xiang
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
- Formato numérico
- FP16
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
- 23M
- Datos de entrenamiento
- 929,000 tokens
- Épocas
- 6,000
- Tamaño de lote
- 70,000
Table 1
They use BPTT with length 35. During architecture search data batch size is 20 and network batch size is 100. While training the architecture they end up finding, batch size is 64. So effective batch size is 35 * 20 * 100 = 70,000 during architecture search, and 35 * 64 = 2,240 during final training.
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
- 7.3 × 10¹⁷ FLOP
- Cómo se estableció
- Hardware,Operation counting
PTB has 912344 tokens. The model has 23M parameters and was trained for 6k epochs. If the model was dense, 6 FLOP/token/param/epoch * 6k epochs * 23M params * 912k tokens = 1.05e18 FLOP. Alternatively, the model was trained on 1 V100 GPU and "In terms of efficiency, the overall cost... is within 1 GPU day" so the training time was around or below 24 hours. Half precision and 30% utilization would be a pretty good match for the arithmetic estimate: 24 hours * 30% * 28 TFLOPS = 7.3e17 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 V100
- Chips utilizados
- 1
- Tiempo de reloj
- 24 hours
- Consumo de energía
- 339 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
PTB dataset
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Likely
- Citas
- 5
- Datos de referencia
- WeNet (WT2)
"We show that an architecture found by WeNets arXiv:1904.03819v1 [cs.NE] 8 Apr 2019 WeNet: Weighted Networks for Recurrent Network Architecture Search achieves state-of-the-art results on the Penn Treebank language dataset"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- WeNet: Weighted Networks for Recurrent Network Architecture Search
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
WeNet (Penn Treebank) fue publicado por Amazon, en el país registrado como United States of America, durante April 2019. Sale de una organización categorizada como 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
Entrenarlo tomó un presupuesto de computación de aproximadamente 7.3 × 10¹⁷ FLOP, en hardware registrado como NVIDIA V100. 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 929,000 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
WeNet (Penn Treebank) — preguntas comunes
WeNet (Penn Treebank)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 23M. Table 1. 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.
WeNet (Penn Treebank)— ¿Quién lo creó?
Fue publicado por Amazon, basado en United States of America, una organización categorizada como industry.
WeNet (Penn Treebank)— ¿cuándo fue lanzado?
Se publicó en April 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.
WeNet (Penn Treebank)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de neural Architecture Search - NAS, 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.
WeNet (Penn Treebank)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.3 × 10¹⁷ FLOP, en hardware registrado como NVIDIA V100. 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.
WeNet (Penn Treebank)— ¿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.
WeNet (Penn Treebank)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
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.