RNMT+
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
- Google AI
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 26 April 2018
- Auteurs
- Mia Xu Chen, Orhan Firat, Ankur Bapna, Melvin Johnson, Wolfgang Macherey, George Foster, Llion Jones, Niki Parmar, Mike Schuster, Zhifeng Chen, Yonghui Wu, Macduff Hughes
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
- Translation
- Approach
- Supervised
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
- 378.9M
- Données d'entraînement
- tokens
- Époques
- 8.5
from Table 3 RNMT+
"We train our models on the standard WMT’14 En→Fr and En→De datasets that comprise 36.3M and 4.5M sentence pairs, respectively" "For RNMT+, we use sentence-level cross entropy loss."
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
- 1.8 × 10¹⁹ FLOP
- Comment cela a été établi
- Hardware,Operation counting
32 * 9.3 TFLOPS * (120 * 3600) * 0.3 = 3.86e19 (number of gpus) * (peak flops) * (seconds) * (assumed utilization rate) "All models were trained with synchronous training. RNMT+ and ConvS2S were trained with 32 NVIDIA P100 GPUs", training time is 120h from Table 1. Alternatively, typical inference is 2.81e10 FLOP, there are 36.3M examples in the dataset, and they train for 8.5 epochs: 2.81e10 * 36.3M * 8.5 = 8.7e18 Geometric mean: sqrt(3.86e19 * 8.7e18) = 1.83e19
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 P100
- Chips utilisés
- 32
- Heures de puce
- 3,840
- Wall-clock time
- 120 hours
- Consommation d'énergie
- 16.6 kW
from Table 1
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
- Likely
- Citations
- 504
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- The Best of Both Worlds: Combining Recent Advances in Neural Machine Translation
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
À propos de ce modèle
RNMT+ was published by Google AI, in United States of America, in April 2018. It comes out of industry.
It works in Language, and is recorded as doing translation.
Ses poids n'ont jamais été publiés, donc on ne peut y accéder que par son fournisseur. Aucun changement de carte graphique ne change cela.
Comment il a été entraîné
Training it took roughly 1.8 × 10¹⁹ FLOP of computation, on NVIDIA P100 — a measure of what producing the model cost, not of how fast it answers.
Réponses
RNMT+ — Questions fréquentes
What GPU do I need to run RNMT+?
None. RNMT+ 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 RNMT+ open source?
No. RNMT+ has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does RNMT+ have?
RNMT+ has 378.9M parameters. from Table 3 RNMT+. 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 RNMT+?
RNMT+ was published by Google AI, based in United States of America, categorised as industry.
When was RNMT+ released?
RNMT+ was published in April 2018. 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 RNMT+ used for?
RNMT+ works in Language, and is recorded as handling translation. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train RNMT+?
Around 1.8 × 10¹⁹ FLOP, on NVIDIA P100. 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.
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.