Transformer-C
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
- University of Massachusetts Amherst
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 8 April 2021
- Auteurs
- Simeng Sun, Mohit Iyyer
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
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
- 148M
- Données d'entraînement
- 103,000,000 tokens
- Époques
- 19.88
- Taille de lot
- 10,240
148M, Table 6
Table 7 steps 200k batch size 10240 10240 * 200000 / 103000000 = 19.88 epochs
table 7
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
- 1.9 × 10¹⁸ FLOP
- Comment cela a été établi
- Operation counting,Hardware
6 FLOP / token / parameter * 148000000 parameters * 10240 tokens per batch * 200000 steps = 1.818624e+18 FLOP 11340000000000 FLOP / sec [assumed fp32] * 4 GPUs * 40 hours * 3600 sec/ hour * 0.3 [assumed precision] = 1.959552e+18 FLOP geometric mean: sqrt(1.818624e+18*1.959552e+18) = 1.8877734e+18
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 GeForce GTX 1080 Ti
- Chips utilisés
- 4
- Temps en temps réel
- 40 hours
- Consommation d'énergie
- 2.0 kW
table 7
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
- Open source
permissive license, BSD-3: https://github.com/SimengSun/revisit-nplm
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
- Confident
- Citations
- 16
- Données de référence
- Transformer-C
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Revisiting Simple Neural Probabilistic Language Models
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
D'où cela vient-il
Transformer-C a été publié par University of Massachusetts Amherst, dans le pays enregistré comme United States of America, durant April 2021. Cela provient d'une organisation classée comme academia.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Comment il a été entraîné
L'entraînement a nécessité un budget de calcul d'environ 1.9 × 10¹⁸ FLOP, sur matériel enregistré comme NVIDIA GeForce GTX 1080 Ti. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'ensemble d'entraînement a duré environ 103,000,000 jetons de texte
Réponses
Transformer-C — questions courantes
Transformer-C— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Transformer-C— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.9 × 10¹⁸ FLOP, sur matériel enregistré comme NVIDIA GeForce GTX 1080 Ti. 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.
Transformer-C— 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.
Transformer-C— 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.
Transformer-C— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 148M. 148M, Table 6. 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.
Transformer-C— qui l'a créé ?
Il a été publié par University of Massachusetts Amherst, basé sur United States of America, une organisation catégorisée comme academia.
Transformer-C— quand a-t-il été publié ?
Il a été publié dans April 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.
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.