DLRM-12T
Aucune estimation
Pas d'exigences matérielles 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 n'importe quelle taille. Il n'est accessible que par son fournisseur, et aucune carte graphique ne change cela..
Sur l'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 évaluer combien de travail a été investi et comment il se compare aux modèles construits à une échelle différente..
Qui a construit ce modèle, où et quand a-t-il été publié ?
- Organisation
- Meta AI,Carnegie Mellon University (CMU)
- Type d'organisation
- Industry,Academia
- Pays
- United States of America
- Publié
- 12 April 2021
- Auteurs
- Dheevatsa Mudigere, Yuchen Hao, Jianyu Huang, Zhihao Jia, Andrew Tulloch, Srinivas Sridharan, Xing Liu, Mustafa Ozdal, Jade Nie, Jongsoo Park, Liang Luo, Jie Amy Yang, Leon Gao, Dmytro Ivchenko, Aarti Basant, Yuxi Hu, Jiyan Yang, Ehsan K. Ardestani, Xiaodong Wang, Rakesh Komuravelli, Ching-Hsiang Chu, Serhat Yilmaz, Huayu Li, Jiyuan Qian, Zhuobo Feng, Yinbin Ma, Junjie Yang, Ellie Wen, Hong Li, Li…
Ce qu'il fait
Les zones problématiques pour lesquelles le modèle a été conçu. Un modèle peut contenir plusieurs de chaque.
- Domaine
- Recommendation
- Translation de tâche
- Recommender system
Taille
Quelle est la taille du modèle et combien de données il a été formé ? Les paramètres sont la valeur qui détermine s'il s'adapte à une carte graphique donnée.
- Paramètres
- 12T
- Données d'entraînement
- tokens
They instantiated a 12T-parameter model to show that their hardware setup can train it despite the huge memory requirements.
No training details provided.
L'entraînement en cours
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du mur.
- Matériel d'entraînement
- NVIDIA A100
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'une des spécifications de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
Comment c'est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables et à quel point il est confiant dans l'entrée.
- Modèle/modèles ne correspond jamais à la mode. Exécuter / exécutant signifie exécuter un modèle d'IA. Si vous recevez seulement le mot exécuter, cela provient probablement d'une phrase fragmentée comme quel modèle d'IA le GPU peut exécuter. ne convient pas / ne conviendra pas signifie que le modèle d'IA ne s'intègre pas dans la VRAM du GPU. serré = à peine exécutable, confortable = s'exécute facilement avec de la marge. Les mots de connexion courts comme de, le, un, à, pour, avec apparaissent seuls car le texte est divisé - il faut simplement les traduire normalement. Conservez les termes techniques comme GPU, AI, TPS, VRAM, CUDA, Tensor, Inference, Quantization, LoRA, GGUF, FP16, INT4, INT8 en anglais (ou la forme courante dans cette langue). Toujours écrire GPU, AI, TPS, VRAM, CUDA en majuscules. Si l'on vous demande de traduire un nom de langue (par exemple espagnol, anglais, langue), traduisez le mot correctement (espagnol → Spanisch, anglais → Deutsch, langue → Sprache). SORTIE UNIQUEMENT la traduction pure en français. AUCUN commentaire, AUCUNE question, RIEN D'AUTRE. Si vide, répondez par un espace : Record confidence
- Confident
- Citations
- 197
Sources
Où cet enregistrement provient-il et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Software-Hardware Co-design for Fast and Scalable Training of Deep Learning Recommendation Models
- Dernière mise à jour
- 25 May 2026
Que signifient les chiffres
Arrière-plan
DLRM-12T was published by Meta AI,Carnegie Mellon University (CMU), in United States of America, in April 2021. The organisation is categorised as industry,Academia.
It works in Recommendation, and is recorded as doing recommender system.
Parce que les poids ne sont pas disponibles, aucun des chiffres matériels figurant ailleurs sur ce site ne s'applique à cela.
Réponds
DLRM-12T — Questions courantes
Is DLRM-12T open source?
No. DLRM-12T has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does DLRM-12T have?
DLRM-12T has 12T parameters. They instantiated a 12T-parameter model to show that their hardware setup can train it despite the huge memory requirements. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created DLRM-12T?
DLRM-12T was published by Meta AI,Carnegie Mellon University (CMU), based in United States of America, categorised as industry,Academia.
When was DLRM-12T released?
DLRM-12T was published in April 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is DLRM-12T used for?
DLRM-12T works in Recommendation, and is recorded as handling recommender system. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run DLRM-12T?
None. DLRM-12T is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Source
Modèle/modèles, exécuter/exécution, ne convient pas / ne sera pas compatible, serré = à peine exécuté, confortable = s'exécute facilement avec une marge. 25 May 2026
L'autre direction
Le regardant de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle pourra exécuter., Modèle/modèles ne s'adapte pas / ne va pas s'adapter à la VRAM du GPU. Exécution d'un modèle IA. Cela fonctionne bien / fonctionne avec un peu de marge. Ne fonctionne pas ou est trop serré..