KN5 LM + RNN 400/10 (WSJ)
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
- Brno University of Technology,Johns Hopkins University
- Tipo de Organización
- Academia,Academia
- País
- Czechia, United States of America
- Publicado
- 26 September 2010
- Autores
- T. Mikolov, M. Karafiat, L. Burget, J. Cernock ´ y, and S. Khudanpur
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Transcription
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
- 22.2M
- Datos de entrenamiento
- 6,400,000 tokens
RNN 400/10 indicates that the model has 400 units in the hidden layer and merges words that occur less than 10 times in the training set. The model is trained on a 6.4M word subset of the NYT subset of English Gigaword. In this colab notebook, I estimate the vocabulary after merging infrequent words using english word frequency data at around 27.5k: https://colab.research.google.com/drive/1K5qH0EqXtFwTLESNtp4oelCM28GpGXt6?usp=sharing Then RNN 400/10 has: (27.5k + 400) * 400 + (400 * 27.5k) = 2…
The training corpus consists of 37M words from NYT section of English Gigaword. As it is very time consuming to train RNN LM on large data, we have used only up to 6.4M words for training RNN models (300K sentences) - it takes several weeks to train the most complex models
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
"Convergence is usually achieved after 10-20 epochs." 6 * 22,160,000 * 20 * 6.4M = 1.70e16
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
- 504 hours (21 days)
"it takes several weeks to train the most complex models" Assume several weeks is around 3 weeks, or 504 hours
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo Frontier
- Yes
- Por qué se rastrea
- Highly cited
- Confianza de registro
- Confident
- Citas
- 6,038
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Recurrent neural network based language model
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
KN5 LM + RNN 400/10 (WSJ) fue publicado por Brno University of Technology,Johns Hopkins University, en el país registrado como Czechia, durante September 2010. La categoría en la que se encuentra el editor es academia,Academia.
Funciona en el dominio de Speech, y se registra como realizando la tarea de transcription.
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.
Entrenamiento y procedencia
Entrenarlo tomó un presupuesto de computación de aproximadamente 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 6,400,000 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
KN5 LM + RNN 400/10 (WSJ) — preguntas comunes
KN5 LM + RNN 400/10 (WSJ)— ¿Quién lo creó?
Fue publicado por Brno University of Technology,Johns Hopkins University, basado en Czechia, una organización categorizada como academia,Academia.
KN5 LM + RNN 400/10 (WSJ)— ¿cuándo fue lanzado?
Se publicó en September 2010. 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.
KN5 LM + RNN 400/10 (WSJ)— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de transcription. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
KN5 LM + RNN 400/10 (WSJ)— 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.
KN5 LM + RNN 400/10 (WSJ)— ¿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.
KN5 LM + RNN 400/10 (WSJ)— ¿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.
KN5 LM + RNN 400/10 (WSJ)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 22.2M. RNN 400/10 indicates that the model has 400 units in the hidden layer and merges words that occur less than 10 times in the training set. The model is trained on a 6.4M word subset of the NYT subset of English Gigaword. In this colab notebook, I estimate the vocabulary after merging infrequent words using english word frequency data at around 27.5k: https://colab.research.google.com/drive/1K5qH0EqXtFwTLESNtp4oelCM28GpGXt6?usp=sharing Then RNN 400/10 has: (27.5k + 400) * 400 + (400 * 27.5k) = 22.16M parameters The KN5 LM is effectively a lookup table over 5-grams in it's training data. In one sense, this means it has approximately as many parameters as unique 5-grams in the 37M words of training data. However, these aren't parameters in the same sense as neural networks, as they are accessed as a lookup table, so on each forward pass only one parameter is active. I choose not to include these parameters in our count. 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.
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.