Verbatim Memory Transformer (108M)
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
- Johns Hopkins University,New York University (NYU)
- Szervezet típusa
- Academia,Academia
- Ország
- United States of America
- Közölt
- 24 October 2022
- Szerzők
- Kristijan Armeni, Christopher Honey, Tal Linzen
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
- 107.7M
- Képzési adatok
- 40,000,000 tokens
Table 3
40M tokens Table 3
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
- 9.9 × 10¹⁷ FLOP
RTX 8000 FP16 FLOPs: 32620000000000 Assumed utilization for single GPU: 0.7 Estimate: 12*60*60*32620000000000*0.7=9.864288e+17
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA Quadro RTX 8000
- Használt chipek
- 1
- Fali óra idő
- 12 hours
- Teljesítményfogyasztás
- 286 W
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
CC BY 4.0 for code: https://github.com/KristijanArmeni/verbatim-memory-in-NLMs
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 9
- Benchmark adatok
- Characterizing Verbatim Short-Term Memory in Neural Language Models (108M)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Characterizing Verbatim Short-Term Memory in Neural Language Models
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
Verbatim Memory Transformer (108M) ki lett adva által Johns Hopkins University,New York University (NYU), az országban rögzítve mint United States of America, alatt October 2022. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia.
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.
Hogyan lett betanítva
A betanításhoz körülbelül egy számítási költségvetés kellett 9.9 × 10¹⁷ FLOP, hardveren rögzítve NVIDIA Quadro RTX 8000. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 40,000,000 szöveg tokenjei
Válaszok
Verbatim Memory Transformer (108M) — gyakori kérdések
Verbatim Memory Transformer (108M)— Hány paramétere van?
Paraméterszáma 107.7M. Table 3. 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.
Verbatim Memory Transformer (108M)— Ki készítette ezt?
Kiadta Johns Hopkins University,New York University (NYU), alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Verbatim Memory Transformer (108M)— Mikor adták ki?
Kibocsátották a October 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Verbatim Memory Transformer (108M)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
Verbatim Memory Transformer (108M)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 9.9 × 10¹⁷ FLOP, hardveren rögzítve NVIDIA Quadro RTX 8000. 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.
Verbatim Memory Transformer (108M)— 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.
Verbatim Memory Transformer (108M)— 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..