RWKV-4 14B
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
- RWKV Foundation
- Szervezet típusa
- Research collective
- Ország
- Multinational
- Közölt
- 22 May 2023
- Szerzők
- Bo Peng, Eric Alcaide, Quentin Anthony, Alon Albalak, Samuel Arcadinho, Huanqi Cao, Xin Cheng, Michael Chung, Matteo Grella, Kranthi Kiran GV, Xuzheng He, Haowen Hou, Przemyslaw Kazienko, Jan Kocon, Jiaming Kong, Bartlomiej Koptyra, Hayden Lau, Krishna Sri Ipsit Mantri, Ferdinand Mom, Atsushi Saito, Xiangru Tang, Bolun Wang, Johan S. Wind, Stansilaw Wozniak, Ruichong Zhang, Zhenyuan Zhang, Qihang …
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling
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
- 14B
- Képzési adatok
- 330,000,000,000 tokens
- Tételméret
- 262,144
14b
262144 (or 131072?) "To train the models mentioned, we... switch batch size dynamically between 128 or 256 sequences, each of 1024 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.
- Képzés számítás
- 2.8 × 10²² FLOP
- Hogyan jött létre
- Operation counting
from HuggingFace page: https://huggingface.co/BlinkDL/rwkv-4-pile-14b trained for 330B tokens 14 billion * 330 billion * 6 = 2.78e22 paper notes that a forward pass is almost exactly 2x parameters (within 2%): "Alternative approximations for FLOPs include doubling the parameters which yields similar results within 2% for 14B and a 30% discrepancy for 169M variant." and that 6*params*tokens is a good approximation because it's not a transformer: "FLOPs is for a forward pass for one token. It wa…
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
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 1,042
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- RWKV: Reinventing RNNs for the Transformer Era
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
RWKV-4 14B ki lett adva által RWKV Foundation, az országban rögzítve mint Multinational, alatt May 2023. A kiadó kategóriája alá tartozik research collective.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Képzés és származás
A betanításhoz körülbelül egy számítási költségvetés kellett 2.8 × 10²² FLOP, hardveren rögzítve NVIDIA A100 SXM4 80 GB. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 330,000,000,000 szöveg tokenjei
Válaszok
RWKV-4 14B — gyakori kérdések
RWKV-4 14B— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2.8 × 10²² FLOP, hardveren rögzítve NVIDIA A100 SXM4 80 GB. 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.
RWKV-4 14B— 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.
RWKV-4 14B— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
RWKV-4 14B— Hány paramétere van?
Paraméterszáma 14B. 14b. 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.
RWKV-4 14B— Ki készítette ezt?
Kiadta RWKV Foundation, alapján Multinational, egy szervezet, amelyet kategorizáltak mint research collective.
RWKV-4 14B— Mikor adták ki?
Kibocsátották a May 2023. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
RWKV-4 14B— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
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..