LSTM
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
- Technical University of Munich
- Tipo de Organización
- Academia
- País
- Germany
- Publicado
- 15 November 1997
- Autores
- Sepp Hochreiter ; Jurgen Schmidhuber
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
- 10.5K
- Datos de entrenamiento
- 853,000 tokens
Table 2 http://www.bioinf.jku.at/publications/older/2604.pdf
Table 8. The rightmost column lists numbers of training sequences required to achieve the stopping criterion. This applies to experiment 5 (multiplication) Sequences have random lengths, on the order of 100-1000 (table 7 )
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
- 3.2 × 10¹³ FLOP
- Cómo se estableció
- Operation counting
"Due to limited computation time, training is stopped after 5 million sequence presentations" Each sequence has p=100 elements in the long-delay setting. COMPUTE = PRESENTATIONS * PRESENTATION LENGTH * UPDATE COMPUTE PER TOKEN 5000000*100*6*10,504.0=
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
- 98,595
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Long short-term memory
- Última actualización
- 1 January 2026
Qué significan los números
Qué es este modelo
LSTM fue publicado por Technical University of Munich, en el país registrado como Germany, durante November 1997. 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 language modeling.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Entrenarlo tomó un presupuesto de computación de aproximadamente 3.2 × 10¹³ 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 853,000 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
LSTM — preguntas comunes
LSTM— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 10.5K. Table 2 http://www.bioinf.jku.at/publications/older/2604.pdf. 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.
LSTM— ¿Quién lo creó?
Fue publicado por Technical University of Munich, basado en Germany, una organización categorizada como academia.
LSTM— ¿cuándo fue lanzado?
Se publicó en November 1997. 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.
LSTM— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. 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.
LSTM— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 3.2 × 10¹³ 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.
LSTM— ¿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.
LSTM— ¿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.
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.