ChunkLlama2-13B
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Alibaba,The University of Hong Kong,Fudan University
- Szervezet típusa
- Industry,Academia,Academia
- Ország
- China, Hong Kong
- Közölt
- 29 May 2024
- Szerzők
- Chenxin An, Fei Huang, Jun Zhang, Shansan Gong, Xipeng Qiu, Chang Zhou, Lingpeng Kong
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation, Question answering
- Alapmodell
- Llama 2-13B
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 13B
- Képzési adatok
- 256,000,000 tokens
same as base model
The training dataset is sourced from ShareGPT and AlpacaGPT (Taori et al., 2023). For the data derived from ShareGPT, we specifically curate a subset by extracting responses generated by GPT-4, and dialogues that exceed 4k tokens in length. This selection results in a compilation of 5,405 training instances. We further finetune Llama2 with over 16k steps with a batch size of 1. prompt length 16k tokens ->16000 steps*16000 tokens= 256000000 tokens
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Hogyan jött létre
- Hardware,Operation counting
- Finomhangolás számítás
- 2 × 10¹⁹ FLOP
6 FLOP/parameter/token * 13000000000 parameters * 256000000 tokens = 19968000000000000000 FLOP 312000000000000 FLOP/GPU/sec * 60 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 20217600000000000000 FLOP sqrt(19968000000000000000*20217600000000000000) = 2.0092412e+19
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA A100 SXM4 80 GB
- Chip-óra
- 60
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Open source
Apache 2.0 https://github.com/HKUNLP/ChunkLlama
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Training-Free Long-Context Scaling of Large Language Models
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
ChunkLlama2-13B ki lett adva által Alibaba,The University of Hong Kong,Fudan University, az országban rögzítve mint China, alatt May 2024. A kiadó kategóriája alá tartozik industry,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Question answering.
Ez alapoz. Llama 2-13B. Ez a szokásos módja egy specializált modell előállításának.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A képzés körülbelül egy korpuszt fogyasztott 256,000,000 szöveg tokenjei
Válaszok
ChunkLlama2-13B — gyakori kérdések
ChunkLlama2-13B— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
ChunkLlama2-13B— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
ChunkLlama2-13B— Hány paramétere van?
Paraméterszáma 13B. same as base model. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
ChunkLlama2-13B— Ki készítette ezt?
Kiadta Alibaba,The University of Hong Kong,Fudan University, alapján China, egy szervezet, amelyet kategorizáltak mint industry,Academia,Academia.
ChunkLlama2-13B— Mikor adták ki?
Kibocsátották a May 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
ChunkLlama2-13B— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation, Question answering. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..