AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
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
- 60.9M
- Datos de entrenamiento
- 929,000 tokens
- Épocas
- 1,200
10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800
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
- 4.1 × 10¹⁷ FLOP
Forward flop: 2*60852800=121705600 FLOP: 1200*121705600*3*929000=4.0703221e+17
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
- Datos de referencia
- AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
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 (PTB) 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.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 4.1 × 10¹⁷ FLOP. 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 929,000 tokens de texto
Respuestas
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB) — preguntas comunes
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— ¿Quién lo creó?
Fue publicado por IBM, basado en United States of America, una organización categorizada como industry.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— ¿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 (PTB)— ¿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.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 4.1 × 10¹⁷ 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.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— ¿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 (PTB)— ¿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 (PTB)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 60.9M. 10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800. 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.