HLBL
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
- University of Toronto
- Tipo de Organización
- Academia
- País
- Canada
- Publicado
- 8 December 2008
- Autores
- A. Mnih, Geoffrey E. Hinton
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
- 1.8M
- Datos de entrenamiento
- 14,000,000 tokens
"Except for where stated otherwise, the models used for the experiments used 100 dimensional feature vectors and a context size of 5." "The vocabulary size for this dataset is 17964." Embedding: 17964 * 100 = 1796400 Context matrices: 5 * 100 * 100 = 50000 Unembedding: 0 (tied embedding “while the matrix of weights from the hidden layer to the output layer is simply the feature vector matrix R”) Total: 1796400 + 50000 = 1846400
"The dataset consists of a 14 million word training set"
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
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- A Scalable Hierarchical Distributed Language Model
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
HLBL fue publicado por University of Toronto, en el país registrado como Canada, durante December 2008. La organización editora está clasificada como academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
Fue entrenado en un corpus de aproximadamente 14,000,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: highly cited.
Respuestas
HLBL — preguntas comunes
HLBL— ¿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.
HLBL— ¿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.
HLBL— ¿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.
HLBL— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1.8M. "Except for where stated otherwise, the models used for the experiments used 100 dimensional feature vectors and a context size of 5." "The vocabulary size for this dataset is 17964." Embedding: 17964 * 100 = 1796400 Context matrices: 5 * 100 * 100 = 50000 Unembedding: 0 (tied embedding “while the matrix of weights from the hidden layer to the output layer is simply the feature vector matrix R”) Total: 1796400 + 50000 = 1846400. 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.
HLBL— ¿Quién lo creó?
Fue publicado por University of Toronto, basado en Canada, una organización categorizada como academia.
HLBL— ¿cuándo fue lanzado?
Se publicó en December 2008. 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.
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.