ConvS2S (ensemble of 8 models)
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
- Meta AI
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 25 July 2017
- Autores
- Jonas Gehring, Michael Auli, David Grangier, Denis Yarats, Yann N. Dauphin
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Translation
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.
- Datos de entrenamiento
- 1,183,333,333 tokens
2.8M + 4.5M + 35.5M + 3.8M = 46.6M We consider three major WMT translation tasks as well as a text summarization task. WMT’16 English-Romanian. We use the same data and pre-processing as Sennrich et al. (2016b) but remove sentences with more than 175 words. This results in 2.8M sentence pairs for training and we evaluate on newstest2016.2 WMT’14 English-German. We use the same setup as Luong et al. (2015) which comprises 4.5M sentence pairs for training and we test on newstest2014. WMT’14 En…
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
- 5.6 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware
All models are implemented in Torch (Collobert et al., 2011) and trained on a single Nvidia M40 GPU except for WMT’14 English-French for which we use a multi-GPU setup on a single machine. We train on up to eight GPUs synchronously by maintaining copies of the model on each card and split the batch so that each worker computes 1/8-th of the gradients; at the end we sum the gradients via Nvidia NCCL. 1. English-Romanian: "Training took between 6 and 7.5 days on a single GPU." 7 days * 24 * 3600 …
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 M40
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
- Highly cited,SOTA improvement
- Confianza de registro
- Likely
"We achieve a new state of the art on several public translation benchmark data sets. On the WMT’16 EnglishRomanian task we outperform the previous best result by 1.9 BLEU, on WMT’14 English-French translation we improve over the LSTM model of Wu et al. (2016) by 1.6 BLEU in a comparable setting, and on WMT’14 EnglishGerman translation we ouperform the same model by 0.5 BLEU"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Convolutional Sequence to Sequence Learning
- Última actualización
- 11 February 2026
Qué significan los números
Qué es este modelo
ConvS2S (ensemble of 8 models) fue publicado por Meta AI, en el país registrado como United States of America, durante July 2017. La organización editora está clasificada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de translation.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
Entrenarlo tomó un presupuesto de computación de aproximadamente 5.6 × 10¹⁹ FLOP, en hardware registrado como NVIDIA M40. 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 1,183,333,333 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited,SOTA improvement.
Respuestas
ConvS2S (ensemble of 8 models) — preguntas comunes
ConvS2S (ensemble of 8 models)— ¿cuándo fue lanzado?
Se publicó en July 2017. 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.
ConvS2S (ensemble of 8 models)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de translation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
ConvS2S (ensemble of 8 models)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 5.6 × 10¹⁹ FLOP, en hardware registrado como NVIDIA M40. 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.
ConvS2S (ensemble of 8 models)— ¿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.
ConvS2S (ensemble of 8 models)— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
ConvS2S (ensemble of 8 models)— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
ConvS2S (ensemble of 8 models)— ¿Quién lo creó?
Fue publicado por Meta AI, 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.