KN5 LM + RNN 400/10 (WSJ)
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
- Brno University of Technology,Johns Hopkins University
- Type d'organisation
- Academia,Academia
- Pays
- Czechia, United States of America
- Publié
- 26 September 2010
- Auteurs
- T. Mikolov, M. Karafiat, L. Burget, J. Cernock ´ y, and S. Khudanpur
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Speech
- Tâche
- Transcription
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
- 22.2M
- Données d'entraînement
- 6,400,000 tokens
RNN 400/10 indicates that the model has 400 units in the hidden layer and merges words that occur less than 10 times in the training set. The model is trained on a 6.4M word subset of the NYT subset of English Gigaword. In this colab notebook, I estimate the vocabulary after merging infrequent words using english word frequency data at around 27.5k: https://colab.research.google.com/drive/1K5qH0EqXtFwTLESNtp4oelCM28GpGXt6?usp=sharing Then RNN 400/10 has: (27.5k + 400) * 400 + (400 * 27.5k) = 2…
The training corpus consists of 37M words from NYT section of English Gigaword. As it is very time consuming to train RNN LM on large data, we have used only up to 6.4M words for training RNN models (300K sentences) - it takes several weeks to train the most complex models
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
- 1.7 × 10¹⁶ FLOP
- Comment cela a été établi
- Operation counting
"Convergence is usually achieved after 10-20 epochs." 6 * 22,160,000 * 20 * 6.4M = 1.70e16
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.
- Temps en temps réel
- 504 hours (21 days)
"it takes several weeks to train the most complex models" Assume several weeks is around 3 weeks, or 504 hours
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.
- Modèle Frontier
- Yes
- Pourquoi c'est suivi
- Highly cited
- Confiance d'enregistrement
- Confident
- Citations
- 6,038
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Recurrent neural network based language model
- Dernière mise à jour
- 11 February 2026
Ce que les chiffres signifient
D'où cela vient-il
KN5 LM + RNN 400/10 (WSJ) a été publié par Brno University of Technology,Johns Hopkins University, dans le pays enregistré comme Czechia, durant September 2010. La catégorie à laquelle appartient l'éditeur est academia,Academia.
Il fonctionne dans le domaine de Speech, et est enregistré comme exécutant la tâche de transcription.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Entraînement et provenance
L'entraînement a nécessité un budget de calcul d'environ 1.7 × 10¹⁶ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'ensemble d'entraînement a duré environ 6,400,000 jetons de texte
Son critère d'inclusion : highly cited.
Réponses
KN5 LM + RNN 400/10 (WSJ) — questions courantes
KN5 LM + RNN 400/10 (WSJ)— qui l'a créé ?
Il a été publié par Brno University of Technology,Johns Hopkins University, basé sur Czechia, une organisation catégorisée comme academia,Academia.
KN5 LM + RNN 400/10 (WSJ)— quand a-t-il été publié ?
Il a été publié dans September 2010. 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.
KN5 LM + RNN 400/10 (WSJ)— à quoi ça sert ?
Il fonctionne dans le domaine de Speech, et est enregistré comme gérant la tâche de transcription. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
KN5 LM + RNN 400/10 (WSJ)— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.7 × 10¹⁶ FLOP. 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.
KN5 LM + RNN 400/10 (WSJ)— 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.
KN5 LM + RNN 400/10 (WSJ)— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
KN5 LM + RNN 400/10 (WSJ)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 22.2M. RNN 400/10 indicates that the model has 400 units in the hidden layer and merges words that occur less than 10 times in the training set. The model is trained on a 6.4M word subset of the NYT subset of English Gigaword. In this colab notebook, I estimate the vocabulary after merging infrequent words using english word frequency data at around 27.5k: https://colab.research.google.com/drive/1K5qH0EqXtFwTLESNtp4oelCM28GpGXt6?usp=sharing Then RNN 400/10 has: (27.5k + 400) * 400 + (400 * 27.5k) = 22.16M parameters The KN5 LM is effectively a lookup table over 5-grams in it's training data. In one sense, this means it has approximately as many parameters as unique 5-grams in the 37M words of training data. However, these aren't parameters in the same sense as neural networks, as they are accessed as a lookup table, so on each forward pass only one parameter is active. I choose not to include these parameters in our count. 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.
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.