RNN Baseline
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- Massachusetts Institute of Technology (MIT),Rey Juan Carlos University
- Type d'organisation
- Academia,Academia
- Pays
- United States of America, Spain
- Publié
- 14 July 2019
- Auteurs
- Sho Takase, Jun Suzuki, Masaaki Nagata
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Données d'entraînement
- tokens
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de 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 jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Unknown
- Benchmark data
- RNN Baseline
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Character n-Gram Embeddings to Improve RNN Language Models
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
Background
RNN Baseline was published by Massachusetts Institute of Technology (MIT),Rey Juan Carlos University, in United States of America, in July 2019. The organisation is categorised as academia,Academia.
It works in Language, and is recorded as doing language modeling/generation.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Réponses
RNN Baseline — Questions fréquentes
When was RNN Baseline released?
RNN Baseline was published in July 2019. 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 RNN Baseline used for?
RNN Baseline works in Language, and is recorded as handling language modeling/generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run RNN Baseline?
None. RNN Baseline 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.
Is RNN Baseline open source?
No. RNN Baseline has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does RNN Baseline have?
No parameter count has been published for RNN Baseline, which is why no memory or speed figure appears on this page.
Who created RNN Baseline?
RNN Baseline was published by Massachusetts Institute of Technology (MIT),Rey Juan Carlos University, based in United States of America, categorised as academia,Academia.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.