DistBelief Speech
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
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 3 December 2012
- Autores
- J. Dean, G. Corrado, R. Monga, Kai Chen, M. Devin, Quoc V. Le, Mark Z. Mao, Marc'Aurelio Ranzato, A. Senior, P. Tucker, Ke Yang, A. Ng
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Speech recognition (ASR)
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
- 47.2M
- Datos de entrenamiento
- 1,100,000,000 tokens
"We used a deep network with five layers: four hidden layer with sigmoidal activations and 2560 nodes each, and a softmax output layer with 8192 nodes." "The network was fully-connected layer-to-layer, for a total of approximately 42 million model parameters." 2560*2560*4+2560*8192=47185920
"We trained on a data set of 1.1 billion weakly labeled examples"
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
- 3.1 × 10¹⁷ FLOP
- Cómo se estableció
- Operation counting
https://www.wolframalpha.com/input?i=6+FLOP+*+47185920+*+1.1+billion Number of epochs unknown but most likely 1 and probably under 30. We could narrow down the uncertainty further if we knew something about the hardware.
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Tiempo de reloj
- 120 hours
Figure 4
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
- Confianza de registro
- Speculative
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Large Scale Distributed Deep Networks
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
DistBelief Speech fue publicado por Google, en el país registrado como United States of America, durante December 2012. La organización editora está clasificada como industry.
Funciona en el dominio de Speech, y se registra como realizando la tarea de speech recognition (ASR).
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 alrededor de 3.1 × 10¹⁷ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 1,100,000,000 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
DistBelief Speech — preguntas comunes
DistBelief Speech— ¿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.
DistBelief Speech— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 47.2M. "We used a deep network with five layers: four hidden layer with sigmoidal activations and 2560 nodes each, and a softmax output layer with 8192 nodes." "The network was fully-connected layer-to-layer, for a total of approximately 42 million model parameters." 2560*2560*4+2560*8192=47185920. 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.
DistBelief Speech— ¿Quién lo creó?
Fue publicado por Google, basado en United States of America, una organización categorizada como industry.
DistBelief Speech— ¿cuándo fue lanzado?
Se publicó en December 2012. 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.
DistBelief Speech— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de speech recognition (ASR). 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.
DistBelief Speech— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 3.1 × 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.
DistBelief Speech— ¿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.
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.