4 layer QRNN (h=2500)
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
- Salesforce Research
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 22 March 2018
- Autores
- Stephen Merity, Nitish Shirish Keskar, Richard Socher
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
- Formato numérico
- FP32
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
- 151M
- Datos de entrenamiento
- 103,000,000 tokens
- Épocas
- 14
Table 6
"The model was trained for 12 hours (14 epochs)"
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
- 5.9 × 10¹⁷ FLOP
- Cómo se estableció
- Hardware,Operation counting
20670000000000 FLOP / sec / GPU [fp16 assumed] * 1 GPU * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.678832e+17FLOP 6 FLOP / token / parameter * 151000000 parameters * 103000000 tokens * 14 epochs = 1.306452e+18 FLOP sqrt(2.678832e+17*1.306452e+18) = 5.9158815e+17 FLOP __________________ in the algorithmic progress paper the estimation was 2.4 × 10^17 FLOP under assumption of 26M parameters
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 Quadro GP100
- Chips utilizados
- 1
- Horas de chip
- 12
- Tiempo de reloj
- 12 hours
- Consumo de energía
- 268 W
"Results are obtained in only 12 hours (WikiText-103) to 2 days (enwik8) using a single modern GPU"
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
- Open source
BSD-3 license: https://github.com/salesforce/awd-lstm-lm
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
- 183
- Datos de referencia
- 4 layer QRNN (h=2500)
"QRNNs achieve stateof-the-art results on character-level (Penn Treebank, enwik8) and word-level (WikiText-103) datasets, respectively"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- An Analysis of Neural Language Modeling at Multiple Scales
- Última actualización
- 11 February 2026
Qué significan los números
Qué es este modelo
4 layer QRNN (h=2500) fue publicado por Salesforce Research, en el país registrado como United States of America, durante March 2018. La organización editora está clasificada como 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.
Cómo fue entrenado
Producirlo requirió una aritmética que totaliza alrededor de 5.9 × 10¹⁷ FLOP, en hardware registrado como NVIDIA Quadro GP100. 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
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
4 layer QRNN (h=2500) — preguntas comunes
4 layer QRNN (h=2500)— ¿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.
4 layer QRNN (h=2500)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 5.9 × 10¹⁷ FLOP, en hardware registrado como NVIDIA Quadro GP100. 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.
4 layer QRNN (h=2500)— ¿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.
4 layer QRNN (h=2500)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
4 layer QRNN (h=2500)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 151M. Table 6. 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.
4 layer QRNN (h=2500)— ¿Quién lo creó?
Fue publicado por Salesforce Research, basado en United States of America, una organización categorizada como industry.
4 layer QRNN (h=2500)— ¿cuándo fue lanzado?
Se publicó en March 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.
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.