GPT2+CoreLM+Fine-Tuning
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
- Aristotle University of Thessaloniki
- Type d'organisation
- Academia
- Pays
- Greece
- Publié
- 4 November 2021
- Auteurs
- Nikolaos Stylianou, Ioannis Vlahavas
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation, Named entity recognition (NER)
- Modèle de base
- GPT-2 (124M)
- 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
- 132M
- Données d'entraînement
- tokens
- Époques
- 10
"In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations."
batch size of 128
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
- 1.2 × 10²⁰ FLOP
- Comment cela a été établi
- Hardware
- Ajustement fin des calculs
- 2.6 × 10¹⁷ FLOP
GPT-2 124M compute ~ GPT-2 117M compute = 1.1699999999999999 × 10^20 FLOP 1.17 * 10^20 FLOP + 2.57472e+17 FLOP = 1.1725747e+20 FLOP
29800000000000 FLOP / s [Titan V, fp16 - reported] * 8 hours * 3600 sec / hour * 1 GPU * 0.3 [assumed utilization] = 2.57472e+17 FLOP (it is probably the upper bound since the 8 hours time seems to account for all models fine-tuned in the paper)
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
- NVIDIA Titan V
- Chips utilisés
- 1
- Temps en temps réel
- 8 hours
- Consommation d'énergie
- 277 W
"In this setup, fine-tuning takes approximately 8 hours"
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.
- Confiance d'enregistrement
- Likely
- Citations
- 2
- Données de référence
- GPT2+CoreLM+Fine-Tuning
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- CoreLM: Coreference-aware Language Model Fine-Tuning
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
GPT2+CoreLM+Fine-Tuning a été publié par Aristotle University of Thessaloniki, dans le pays enregistré comme Greece, durant November 2021. La catégorie à laquelle appartient l'éditeur est academia.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Named entity recognition (NER).
Plutôt que d'être entraîné depuis le début, il est dérivé de GPT-2 (124M). La plupart des modèles à cette échelle sont adaptés d'une base existante plutôt que construits de rien.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Entraînement et provenance
L'entraînement a consommé environ 1.2 × 10²⁰ FLOP, sur matériel enregistré comme NVIDIA Titan V. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Réponses
GPT2+CoreLM+Fine-Tuning — questions courantes
GPT2+CoreLM+Fine-Tuning— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.2 × 10²⁰ FLOP, sur matériel enregistré comme NVIDIA Titan V. 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.
GPT2+CoreLM+Fine-Tuning— 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.
GPT2+CoreLM+Fine-Tuning— 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.
GPT2+CoreLM+Fine-Tuning— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 132M. "In all our experiments we use the GPT2-small configuration with 124M parameters, with 12 layers and 12 attention heads each for our base model." "Our model has 132M parameters, a 6% increase, after the addition of the Entity-Gating layer and the entity representations.". 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.
GPT2+CoreLM+Fine-Tuning— qui l'a créé ?
Il a été publié par Aristotle University of Thessaloniki, basé sur Greece, une organisation catégorisée comme academia.
GPT2+CoreLM+Fine-Tuning— quand a-t-il été publié ?
Il a été publié dans November 2021. 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.
GPT2+CoreLM+Fine-Tuning— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Named entity recognition (NER). Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
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.