LSTM LM
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
- RWTH Aachen University
- Tipo de Organización
- Academia
- País
- Germany
- Publicado
- 9 September 2012
- Autores
- M. Sundermeyer, R. Schlüter, H. Ney
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
- 102.7M
- Datos de entrenamiento
- 27,000,000 tokens
Multiple models were trained, the largest on transcribed French podcast data. "We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data" "Corpus sizes in number of running words; the vocabulary size of the Treebank corpus is 10 K, for Quaero French it is 170 K" Embedding and unembedding: 2*170000*300=102000000 LSTM: 4*600*300=720000 Total: 102000000+720000=102720000=1.03e8 (Assuming the embedding dimension is the same as the LSTM layer)
"We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data."
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
- 1.7 × 10¹⁶ FLOP
- Cómo se estableció
- Operation counting
FLOP per input for LSTM layer is 4*2*(M+N)*M, for N inputs and M outputs. Embedding FLOPs: 2 * 170000 * 300 = 102,000,000 LSTM FLOPs: 4 * 2 * (300 + 300) * 300 = 1,440,000 Unembedding FLOPs: 2 * 170000 * 300 = 102,000,000 Total: 205,440,000 FLOPs per word per forward pass For 27M training input words and including backward passes: 27M * 3 * 205,440,000 = 1.66e16 However, it sounds like they're doing something with a secondary acoustic model, so this may be an underestimate.
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
- LSTM Neural Networks for Language Modeling
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
LSTM LM fue publicado por RWTH Aachen University, en el país registrado como Germany, durante September 2012. La organización editora está clasificada como academia.
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 1.7 × 10¹⁶ 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 27,000,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited.
Respuestas
LSTM LM — preguntas comunes
LSTM LM— ¿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.
LSTM LM— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 102.7M. Multiple models were trained, the largest on transcribed French podcast data. "We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data" "Corpus sizes in number of running words; the vocabulary size of the Treebank corpus is 10 K, for Quaero French it is 170 K" Embedding and unembedding: 2*170000*300=102000000 LSTM: 4*600*300=720000 Total: 102000000+720000=102720000=1.03e8 (Assuming the embedding dimension is the same as the LSTM layer). 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.
LSTM LM— ¿Quién lo creó?
Fue publicado por RWTH Aachen University, basado en Germany, una organización categorizada como academia.
LSTM LM— ¿cuándo fue lanzado?
Se publicó en September 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.
LSTM LM— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
LSTM LM— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.7 × 10¹⁶ 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.
LSTM LM— ¿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.