AWD-LSTM-MoS+PDR + dynamic evaluation (WT2)
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
- IBM
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 14 August 2018
- Autores
- Siddhartha Brahma
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
- 35M
- Datos de entrenamiento
- 2,000,000 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.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 6
- Datos de referencia
- AWD-LSTM-MoS+PDR + dynamic evaluation (WT2)
"our Past Decode Regularization (PDR) method achieves a word level perplexity of 55.6 on the Penn Treebank and 63.5 on the WikiText-2 datasets using a single softmax. We also show gains by using PDR in combination with a mixture-of-softmaxes, achieving a word level perplexity of 53.8 and 60.5 on these datasets. In addition, our method achieves 1.169 bits-per-character on the Penn Treebank Character dataset for character level language modeling. These results constitute a new state-of-the-art in …
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Improved Language Modeling by Decoding the Past
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
AWD-LSTM-MoS+PDR + dynamic evaluation (WT2) fue publicado por IBM, en el país registrado como United States of America, durante August 2018. La categoría en la que se encuentra el editor es industry.
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.
Entrenamiento y procedencia
El conjunto de entrenamiento se ejecutó a aproximadamente 2,000,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
AWD-LSTM-MoS+PDR + dynamic evaluation (WT2) — preguntas comunes
AWD-LSTM-MoS+PDR + dynamic evaluation (WT2)— ¿cuándo fue lanzado?
Se publicó en August 2018. 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-MoS+PDR + dynamic evaluation (WT2)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
AWD-LSTM-MoS+PDR + dynamic evaluation (WT2)— ¿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-MoS+PDR + dynamic evaluation (WT2)— ¿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-MoS+PDR + dynamic evaluation (WT2)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 35M. 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.
AWD-LSTM-MoS+PDR + dynamic evaluation (WT2)— ¿Quién lo creó?
Fue publicado por IBM, basado en United States of America, una organización categorizada como industry.
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.