RoFormer
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
- Zhuiyi Technology
- Szervezet típusa
- Industry
- Ország
- China
- Közölt
- 8 November 2023
- Szerzők
- Jianlin Su, Yu Lu, Shengfeng Pan, Ahmed Murtadha, Bo Wen, Yunfeng Liu
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Text classification, Language modeling/generation
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
- 110M
- Képzési adatok
- 3,276,800,000 tokens
"we use bert-base" BERT base has 110M parameters from https://arxiv.org/pdf/1810.04805
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.
- Képzés számítás
- 2.2 × 10¹⁸ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP/parameter/token * 110000000 parameters * 3276800000 tokens = 2162688000000000000 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA V100
- Használt chipek
- 4
- Teljesítményfogyasztás
- 2.4 kW
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/ZhuiyiTechnology/roformer (only Chinese roformer implementations, not BERT) RoFormer is already integrated into Huggingface: https://huggingface.co/docs/transformers/model_doc/roformer
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Historical significance
- Nyilvántartási bizalom
- Confident
the paper introduced RoPE
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- RoFormer: Enhanced Transformer with Rotary Position Embedding
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
RoFormer ki lett adva által Zhuiyi Technology, az országban rögzítve mint China, alatt November 2023. A kiadó kategóriája alá tartozik industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása text classification, Language modeling/generation.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Mi került a felépítésébe
A betanításhoz körülbelül egy számítási költségvetés kellett 2.2 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA V100. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 3,276,800,000 szöveg tokenjei
A kiválasztási kritériuma: historical significance.
Válaszok
RoFormer — gyakori kérdések
RoFormer— Hány paramétere van?
Paraméterszáma 110M. "we use bert-base" BERT base has 110M parameters from https://arxiv.org/pdf/1810.04805. 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.
RoFormer— Ki készítette ezt?
Kiadta Zhuiyi Technology, alapján China, egy szervezet, amelyet kategorizáltak mint industry.
RoFormer— Mikor adták ki?
Kibocsátották a November 2023. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
RoFormer— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot text classification, Language modeling/generation. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
RoFormer— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2.2 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA V100. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
RoFormer— 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.
RoFormer— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
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..