Tensorized Transformer (257M)
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
- Tianjin University,Microsoft Research Asia,Beijing Institute of Technology
- Type d'organisation
- Academia,Industry,Academia
- Pays
- China
- Publié
- 24 June 2019
- Auteurs
- Xindian Ma, Peng Zhang, Shuai Zhang, Nan Duan, Yuexian Hou, Ming Zhou, Dawei Song
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
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
- 257M
- Données d'entraînement
- 103,000,000 tokens
- Époques
- 30
257M (Table 5)
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
- 4.8 × 10¹⁸ FLOP
- Comment cela a été établi
- Operation counting
6 FLOP / parameter / token * 257000000 parameters * 103000000 tokens * 30 epochs = 4.76478e+18 FLOP
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 P40
- Chips utilisés
- 2
- Consommation d'énergie
- 1.0 kW
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 (non-commercial)
code, no license: https://github.com/szhangtju/The-compression-of-Transformer
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
- 194
- Données de référence
- Tensorized Transformer (257M)
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- A Tensorized Transformer for Language Modeling
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Contexte
Tensorized Transformer (257M) a été publié par Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, dans le pays enregistré comme China, durant June 2019. L'organisation de publication est catégorisée comme academia,Industry,Academia.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé environ 4.8 × 10¹⁸ FLOP, sur matériel enregistré comme NVIDIA P40. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'entraînement a consommé un corpus d'environ 103,000,000 jetons de texte
Réponses
Tensorized Transformer (257M) — questions courantes
Tensorized Transformer (257M)— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 4.8 × 10¹⁸ FLOP, sur matériel enregistré comme NVIDIA P40. 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.
Tensorized Transformer (257M)— 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.
Tensorized Transformer (257M)— 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.
Tensorized Transformer (257M)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 257M. 257M (Table 5). 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.
Tensorized Transformer (257M)— qui l'a créé ?
Il a été publié par Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, basé sur China, une organisation catégorisée comme academia,Industry,Academia.
Tensorized Transformer (257M)— quand a-t-il été publié ?
Il a été publié dans June 2019. 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.
Tensorized Transformer (257M)— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
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.