Tensorized Transformer (W103)
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
- 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 en porter plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling, Translation
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.
- Paramètres
- 85.3M
- Données d'entraînement
- tokens
- Époques
- 30
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations à virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, et non de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 1.6 × 10¹⁸ FLOP
Tokens: 30 epochs * 103000000 tokens = 3090000000 tokens FLOP: 6 FLOP / parameter / token * 85300000* parameters * 3090000000 tokens = 1.581462e+18 FLOP
L'entraînement
Ce qu'il a physiquement fallu pour entraîner : quels puces, combien, pendant combien de temps, et ce que cela a tiré du mur.
- 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 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
- Confident
- Citations
- 194
- Benchmark data
- Tensorized Transformer (151M)
Sources
D'où provient 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 signifient les chiffres
À propos de ce modèle
Tensorized Transformer (W103) was published by Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, in China, in June 2019. The organisation is categorised as academia,Industry,Academia.
It works in Language, and is recorded as doing language modeling, Translation.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Comment il a été entraîné
Training it took roughly 1.6 × 10¹⁸ FLOP of computation, on NVIDIA P40 — a measure of what producing the model cost, not of how fast it answers.
Réponses
Tensorized Transformer (W103) — Questions fréquentes
How much compute was used to train Tensorized Transformer (W103)?
Around 1.6 × 10¹⁸ FLOP, on NVIDIA P40. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run Tensorized Transformer (W103)?
None. Tensorized Transformer (W103) 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 Tensorized Transformer (W103) open source?
No. Tensorized Transformer (W103) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Tensorized Transformer (W103) have?
Tensorized Transformer (W103) has 85.3M parameters. 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 Tensorized Transformer (W103)?
Tensorized Transformer (W103) was published by Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, based in China, categorised as academia,Industry,Academia.
When was Tensorized Transformer (W103) released?
Tensorized Transformer (W103) was published in June 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 Tensorized Transformer (W103) used for?
Tensorized Transformer (W103) works in Language, and is recorded as handling language modeling, Translation. These are the areas it was designed around; they describe intent rather than a hard boundary.
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.