PanGu-Σ
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Huawei Noah's Ark Lab
- Type d'organisation
- Industry
- Pays
- China
- Publié
- 20 March 2023
- Auteurs
- Xiaozhe Ren, Pingyi Zhou, Xinfan Meng, Xinjing Huang, Yadao Wang, Weichao Wang, Pengfei Li, Xiaoda Zhang, Alexander Podolskiy, Grigory Arshinov, Andrey Bout, Irina Piontkovskaya, Jiansheng Wei, Xin Jiang, Teng Su, Qun Liu, Jun Yao
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Code generation, Language modeling, Translation, Question answering
- Approche
- Self-supervised learning
- Format numérique
- FP16
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 1.1T
- Données d'entraînement
- 329,000,000,000 tokens
- Époques
- 1
- Taille de lot
- 524,288
"In this work, we present PanGu-Σ , a large language model with sparse architecture containing 1.085 trillion parameters."
329B tokens ~= 247B words
"We train PanGu-Σ with global batch size of 512 with sequence length of 1024 for each sample"
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 4.7 × 10²³ FLOP
- Comment cela a été établi
- Hardware
It has sparse architecture, so we can't use C=6ND. "We develop PanGu-Σ model under the framework of MindSpore and train it on a cluster with only 512 Ascend 910 AI Accelerators with 329 billion tokens over 100 days." 100 days * 512 processors * 320 teraFLOPS/processor * 33% utilization = 4.67e+23 FLOP https://www.wolframalpha.com/input?i=100+days+*+512+*+320+terahertz+*+0.33
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- Huawei Ascend 910
- Chips utilisés
- 512
- Heures de puce
- 1,228,800
- Temps en temps réel
- 2,400 hours (100 days)
- Consommation d'énergie
- 316.5 kW
We develop PanGu-Σ model under the framework of MindSpore 5 and train it on a cluster with only 512 Ascend 910 AI Accelerators [28] with 329 billion tokens over 100 days.
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Probablement au-dessus de 10²³ FLOP
- Yes
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Confident
- Citations
- 78
"Our experimental findings show that PanGu-{\Sigma} provides state-of-the-art performance in zero-shot learning of various Chinese NLP downstream tasks." "The results on WMT20 translation task. PanGu-Σ outperforms previous Chinese-English SOTA pre-trained large model with a large margin." " The PanGu-Σ outperforms the current state-of-the-art model PanGu-Coder by 1.4 point on the pass@1 for MBPP tasks" "Table 5: Zero-shot results of Chinese downstream tasks. Compared to ERNIE 3.0 Titan, PanGu…
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- PanGu-Σ: Towards Trillion Parameter Language Model with Sparse Heterogeneous Computing
- Dernière mise à jour
- 6 January 2026
Ce que les chiffres signifient
À propos de ce modèle
PanGu-Σ a été publié par Huawei Noah's Ark Lab, dans le pays enregistré comme China, durant March 2023. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de code generation, Language modeling, Translation, Question answering.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Entraînement et provenance
La production a nécessité des calculs totalisant environ 4.7 × 10²³ FLOP, sur matériel enregistré comme Huawei Ascend 910. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Il a été entraîné sur un corpus d'environ 329,000,000,000 jetons de texte
Il est suivi dans le ensemble de données sous-jacent pour une raison particulière : sOTA improvement.
Réponses
PanGu-Σ — questions courantes
PanGu-Σ— qui l'a créé ?
Il a été publié par Huawei Noah's Ark Lab, basé sur China, une organisation catégorisée comme industry.
PanGu-Σ— quand a-t-il été publié ?
Il a été publié dans March 2023. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
PanGu-Σ— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de code generation, Language modeling, Translation, Question answering. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
PanGu-Σ— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 4.7 × 10²³ FLOP, sur matériel enregistré comme Huawei Ascend 910. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
PanGu-Σ— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
PanGu-Σ— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
PanGu-Σ— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 1.1T. "In this work, we present PanGu-Σ , a large language model with sparse architecture containing 1.085 trillion parameters.". Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.