NMST+GPT-2
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
- New York University (NYU)
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 3 October 2022
- Szerzők
- Eugene Choi, Cheolhyoung Lee, Kyunghyun Cho
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling
- Alapmodell
- GPT-2 (124M)
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
- 124M
- Képzési adatok
- 103,000,000 tokens
- Epochok
- 4.97
124M (the same as GPT-2)
500, 000 steps "For computational efficiency, we bucket the dataset into sequences of similar lengths, and each batch contains a maximum of 1,024 total tokens." 500000*1024 = 512 000 000 updates 512 000 000 / 103 000 000 = 4.97087378641 epochs
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
- 1.2 × 10²⁰ FLOP
- Finomhangolás számítás
- 3.8 × 10¹⁷ FLOP
assuming that GPT-2 (124M) compute is similar to GPT-2 (117M) compute, which is 120000000000000000000 FLOP = 1.2 × 10^20 FLOP 120000000000000000000 FLOP + 380928000000000000 FLOP = 1.204×10^20 FLOP
6 FLOP / token / parameter * 512 000 000 tokens * 124 000 000 parameters = 3.80928 × 10^17 FLOP
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
BSD 3-Clause License. Looks like just training code https://github.com/nyu-dl/non-monotonic-self-terminating-lm
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Benchmark adatok
- NMST+GPT-2
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- A Non-monotonic Self-terminating Language Model
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
NMST+GPT-2 ki lett adva által New York University (NYU), az országban rögzítve mint United States of America, alatt October 2022. A kiadó kategóriája alá tartozik academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
A kiindulópontja egy meglévő alapmodell volt, GPT-2 (124M). A legtöbb modell ezen a skálán egy meglévő alaphoz van igazítva, ahelyett, hogy semmiből épült volna.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Hogyan lett betanítva
A betanításhoz körülbelül egy számítási költségvetés kellett 1.2 × 10²⁰ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A képzés körülbelül egy korpuszt fogyasztott 103,000,000 szöveg tokenjei
Válaszok
NMST+GPT-2 — gyakori kérdések
NMST+GPT-2— Ki készítette ezt?
Kiadta New York University (NYU), alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
NMST+GPT-2— 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.
NMST+GPT-2— 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.
NMST+GPT-2— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.2 × 10²⁰ FLOP. 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.
NMST+GPT-2— 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.
NMST+GPT-2— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
NMST+GPT-2— Hány paramétere van?
Paraméterszáma 124M. 124M (the same as GPT-2). 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.
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..