NLP from scratch
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
- NEC Laboratories,Princeton University
- Tipo de Organización
- Industry,Academia
- País
- United States of America
- Publicado
- 8 November 2011
- Autores
- Ronan Collobert, J. Weston, L. Bottou, Michael Karlen, K. Kavukcuoglu, P. Kuksa
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 Structure 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
- 5M
- Datos de entrenamiento
- 852,000,000 tokens
"The capacity of our network architectures lies mainly in the word lookup table, which contains 50 × 100,000 parameters to train. [...] most of the trainable parameters are located in the lookup tables."
"Section 4 leverages large unlabeled data sets (∼ 852 million words)"
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
- 72 hours
"Chunking and NER take about one hour to train, POS takes few hours, and SRL takes about three days." SRL is the longest task.
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
- 7,640
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Natural Language Processing (Almost) from Scratch
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
NLP from scratch fue publicado por NEC Laboratories,Princeton University, en el país registrado como United States of America, durante November 2011. Sale de una organización categorizada como industry,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language Structure Modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
El entrenamiento consumió un corpus de alrededor de 852,000,000 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
NLP from scratch — preguntas comunes
NLP from scratch— ¿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.
NLP from scratch— ¿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.
NLP from scratch— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 5M. "The capacity of our network architectures lies mainly in the word lookup table, which contains 50 × 100,000 parameters to train. [...] most of the trainable parameters are located in the lookup tables.". 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.
NLP from scratch— ¿Quién lo creó?
Fue publicado por NEC Laboratories,Princeton University, basado en United States of America, una organización categorizada como industry,Academia.
NLP from scratch— ¿cuándo fue lanzado?
Se publicó en November 2011. 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.
NLP from scratch— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language Structure Modeling. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
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.