GloVe (6B)
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
- Stanford University
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 1 January 2014
- Autores
- J Pennington, R Socher, CD Manning
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Semantic embedding
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
- 120M
- Datos de entrenamiento
- 66,453,980 tokens
400k vocab * 300 vector dimensions
"We trained our model on five corpora of varying sizes: a 2010 Wikipedia dump with 1 billion tokens; a 2014 Wikipedia dump with 1.6 billion tokens; Gigaword 5 which has 4.3 billion tokens; the combination Gigaword5 + Wikipedia2014, which has 6 billion tokens; and on 42 billion tokens of web data, from Common Crawl [To demonstrate the scalability of the model, we also trained it on a much larger sixth corpus, containing 840 billion tokens of web data, but in this case we did not lowercase the vo…
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
- Citas
- 30,643
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- GloVe: Global Vectors for Word Representation
- Última actualización
- 11 February 2026
Qué significan los números
Fondo
GloVe (6B) fue publicado por Stanford University, en el país registrado como United States of America, durante January 2014. La organización editora está clasificada como academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de semantic embedding.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
El entrenamiento consumió un corpus de alrededor de 66,453,980 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
GloVe (6B) — preguntas comunes
GloVe (6B)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 120M. 400k vocab * 300 vector dimensions. 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.
GloVe (6B)— ¿Quién lo creó?
Fue publicado por Stanford University, basado en United States of America, una organización categorizada como academia.
GloVe (6B)— ¿cuándo fue lanzado?
Se publicó en January 2014. 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.
GloVe (6B)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de semantic embedding. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
GloVe (6B)— ¿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.
GloVe (6B)— ¿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.
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.