EGRU (PTB)
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
- Ruhr University Bochum,Technische Universität Dresden,University of London
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- Germany, United Kingdom of Great Britain and Northern Ireland
- Közölt
- 13 June 2022
- Szerzők
- Anand Subramoney, Khaleelulla Khan Nazeer, Mark Schöne, Christian Mayr, David Kappel
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
- 55M
- Képzési adatok
- 1,238,667 tokens
- Epochok
- 2,500
Table 3
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA A100
- Használt chipek
- 1
- Teljesítményfogyasztás
- 441 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
Apache 2.0: https://github.com/Efficient-Scalable-Machine-Learning/EvNN
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 34
- Benchmark adatok
- EGRU (PTB)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Efficient recurrent architectures through activity sparsity and sparse back-propagation through time
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Háttér
EGRU (PTB) ki lett adva által Ruhr University Bochum,Technische Universität Dresden,University of London, az országban rögzítve mint Germany, alatt June 2022. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A tanító készlet kb. futott 1,238,667 szöveg tokenjei
Válaszok
EGRU (PTB) — gyakori kérdések
EGRU (PTB)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
EGRU (PTB)— 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.
EGRU (PTB)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
EGRU (PTB)— Hány paramétere van?
Paraméterszáma 55M. 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.
EGRU (PTB)— Ki készítette ezt?
Kiadta Ruhr University Bochum,Technische Universität Dresden,University of London, alapján Germany, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.
EGRU (PTB)— Mikor adták ki?
Kibocsátották a June 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
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..