Transformer + Simple Recurrent Unit
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
- ASAPP,Cornell University,Google,Princeton University
- Type d'organisation
- Industry,Academia,Industry,Academia
- Pays
- United States of America
- Publié
- 17 September 2018
- Auteurs
- Tao Lei, Yu Zhang, Sida I. Wang, Hui Dai, Yoav Artzi
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Translation
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
- 90M
- Données d'entraînement
- 112,500,000 tokens
- Époques
- 40
5-layer model, Table 3
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
- 1.1 × 10¹⁹ FLOP
- Comment cela a été établi
- Hardware
"We use a single NVIDIA Tesla V100 GPU for each model. The published results were obtained using 8 GPUs in parallel, which provide a large effective batch size during training. To approximate the setup, we update the model parameters every 5×5120 tokens and use 16,000 warm-up steps following OpenNMT suggestions. We train each model for 40 epochs (250,000 steps), and perform 3 independent trials for each model configuration. A single run takes about 3.5 days with a Tesla V100 GPU." 125 trillion …
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 V100
- Chips utilisés
- 8
- Consommation d'énergie
- 5.0 kW
- Coût de calcul
- $45
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
- Unreleased
repo, but no training code for translation: https://github.com/taolei87/sru
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.
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Confident
- Citations
- 306
"We use the state-of-the-art Transformer model of Vaswani et al. (2017) as our base architecture... When SRU is incorporated into the architecture, both the 4-layer and 5-layer model outperform the Transformer base model"
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Simple Recurrent Units for Highly Parallelizable Recurrence
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
D'où cela vient-il
Transformer + Simple Recurrent Unit a été publié par ASAPP,Cornell University,Google,Princeton University, dans le pays enregistré comme United States of America, durant September 2018. La catégorie à laquelle appartient l'éditeur est industry,Academia,Industry,Academia.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de translation.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a nécessité un budget de calcul d'environ 1.1 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA V100. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Il a été entraîné sur un corpus d'environ 112,500,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.
Réponses
Transformer + Simple Recurrent Unit — questions courantes
Transformer + Simple Recurrent Unit— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 90M. 5-layer model, Table 3. 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 + Simple Recurrent Unit— qui l'a créé ?
Il a été publié par ASAPP,Cornell University,Google,Princeton University, basé sur United States of America, une organisation catégorisée comme industry,Academia,Industry,Academia.
Transformer + Simple Recurrent Unit— quand a-t-il été publié ?
Il a été publié dans September 2018. 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.
Transformer + Simple Recurrent Unit— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de translation. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
Transformer + Simple Recurrent Unit— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.1 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA V100. 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 + Simple Recurrent Unit— 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 + Simple Recurrent Unit— 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.
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.