EGRU (PTB)
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű 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
- Kiadva
- 13 June 2022
- Szerzők
- Anand Subramoney, Khaleelulla Khan Nazeer, Mark Schöne, Christian Mayr, David Kappel
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Language
- Feladat
- Language modeling
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Paraméterek
- 55M
- Képzési adatok
- 1,238,667 tokens
- Epókák
- 2,500
Table 3
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA A100
- Felhasznált chipek
- 1
- Energiafogyasztás
- 441 W
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- 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, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Rögzítési bizalom
- Confident
- Citations
- 34
- Benchmark data
- EGRU (PTB)
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Efficient recurrent architectures through activity sparsity and sparse back-propagation through time
- Utoljára frissítve
- 25 May 2026
Mit jelentek a számok
Background
EGRU (PTB) was published by Ruhr University Bochum,Technische Universität Dresden,University of London, in Germany, in June 2022. It comes out of academia,Academia,Academia.
It works in Language, and is recorded as doing language modeling.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Training and provenance
The training set ran to roughly 1,238,667 tokens.
Válaszok
EGRU (PTB) — Gyakran ismételt kérdések
What is EGRU (PTB) used for?
EGRU (PTB) works in Language, and is recorded as handling language modeling. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run EGRU (PTB)?
None. EGRU (PTB) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is EGRU (PTB) open source?
No. EGRU (PTB) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does EGRU (PTB) have?
EGRU (PTB) has 55M parameters. Table 3. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created EGRU (PTB)?
EGRU (PTB) was published by Ruhr University Bochum,Technische Universität Dresden,University of London, based in Germany, categorised as academia,Academia,Academia.
When was EGRU (PTB) released?
EGRU (PTB) was published in June 2022. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.