RECONTRA-uncategorized
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.
- Publicado
- 2 June 1999
- Autores
- M. A. Castaño, F. Casacuberta
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Translation
- Enfoque
- Supervised
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
- 112K
- Datos de entrenamiento
- 57,500 tokens
- Épocas
- 100
8*61*160+160*160+160*52=112000 "a network with 61 input units, 52 outputs, 160 hidden traits and 8 (4+I+3) delayed inputs" Table 1
5000*11.5=57500 The length of the non-categorized Spanish sentences ranged from 3 to 20 and the length of the non-categorized English sentences, from 3 to 17
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
- 3.9 × 10¹² FLOP
- Cómo se estableció
- Operation counting
2*112000*3*11.5*5000*100=3864000000000=3.9e12 "was trained for 100 epochs using the 5,000 pairs" "The length of the non-categorized Spanish sentences ranged from 3 to 20 and the length of the non-categorized English sentences, from 3 to 17"
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
- Training cost
- Confianza de registro
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Text-to-text machine translation using the RECONTRA connectionist model
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
RECONTRA-uncategorized fue publicado por its authors, durante June 1999.
Funciona en el dominio de Language, y se registra como realizando la tarea de translation.
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.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 3.9 × 10¹² FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 57,500 tokens de texto
Su criterio de inclusión: training cost.
Respuestas
RECONTRA-uncategorized — preguntas comunes
RECONTRA-uncategorized— ¿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.
RECONTRA-uncategorized— ¿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.
RECONTRA-uncategorized— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 112K. 8*61*160+160*160+160*52=112000 "a network with 61 input units, 52 outputs, 160 hidden traits and 8 (4+I+3) delayed inputs" Table 1. 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.
RECONTRA-uncategorized— ¿cuándo fue lanzado?
Se publicó en June 1999. 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.
RECONTRA-uncategorized— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de translation. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
RECONTRA-uncategorized— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 3.9 × 10¹² 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.
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.