NPLM (Brown)
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 Montreal / Université de Montréal
- Tipo de Organización
- Academia
- País
- Canada
- Publicado
- 15 March 2003
- Autores
- Yoshua Bengio, Réjean Ducharme, Pascal Vincent, Christian Jauvin
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Text autocompletion
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
- 4.1M
- Datos de entrenamiento
- 13,994,528 tokens
"The number of free parameters is |V|(1 + nm + h) + h(1 + (n − 1)m) [...] For example, consider the following architecture used in the experiments on the AP (Associated Press) news data: the vocabulary size is |V| = 17,964, the number of hidden units is h = 60, the order of the model is n = 6, the number of word features is m = 100" Brown corpus: n=5, h=100, m=30, |V|=16383 16383*(1+5*30+100)+100*(1+(5-1)*30)=4124233
"Comparative experiments were performed on the Brown corpus which is a stream of 1,181,041 words, from a large variety of English texts and books. The first 800,000 words were used for training, the following 200,000 for validation (model selection, weight decay, early stopping) and the remaining 181,041 for testing. The number of different words is 47,578 (including punctuation, distinguishing between upper and lower case, and including the syntactical marks used to separate texts and paragraph…
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
- 1.3 × 10¹⁴ FLOP
- Cómo se estableció
- Operation counting
"For example, consider the following architecture used in the experiments on the AP (Associated Press) news data: the vocabulary size is |V| = 17,964, the number of hidden units is h = 60, the order of the model is n = 6, the number of word features is m = 100. The total number of numerical operations to process a single training example is approximately |V|(1+nm+h)+h(1+nm)+nm" Brown corpus: n=5, h=100, m=30, |V|=16383, dataset size = 800000, epochs=20 Forward FLOP: 16383*(1+5*30+100)+100*(1+5*…
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
- 7,637
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- A Neural Probabilistic Language Model
- Última actualización
- 11 February 2026
Qué significan los números
Fondo
NPLM (Brown) fue publicado por University of Montreal / Université de Montréal, en el país registrado como Canada, durante March 2003. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de text autocompletion.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Cómo fue entrenado
El entrenamiento consumió alrededor de 1.3 × 10¹⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 13,994,528 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited.
Respuestas
NPLM (Brown) — preguntas comunes
NPLM (Brown)— ¿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.
NPLM (Brown)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 4.1M. "The number of free parameters is |V|(1 + nm + h) + h(1 + (n − 1)m) [...] For example, consider the following architecture used in the experiments on the AP (Associated Press) news data: the vocabulary size is |V| = 17,964, the number of hidden units is h = 60, the order of the model is n = 6, the number of word features is m = 100" Brown corpus: n=5, h=100, m=30, |V|=16383 16383*(1+5*30+100)+100*(1+(5-1)*30)=4124233. 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.
NPLM (Brown)— ¿Quién lo creó?
Fue publicado por University of Montreal / Université de Montréal, basado en Canada, una organización categorizada como academia.
NPLM (Brown)— ¿cuándo fue lanzado?
Se publicó en March 2003. 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.
NPLM (Brown)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de text autocompletion. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
NPLM (Brown)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.3 × 10¹⁴ 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.
NPLM (Brown)— ¿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.