Monarch-GPT-2-Medium
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
- Stanford University,University at Buffalo,University of Michigan
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- United States of America
- Közölt
- 1 April 2022
- Szerzők
- Tri Dao, Beidi Chen, Nimit Sohoni, Arjun Desai, Michael Poli, Jessica Grogan, Alexander Liu, Aniruddh Rao, Atri Rudra, Christopher Ré
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
- 165M
- Képzési adatok
- tokens
- Epochok
- 110
165M table 2 "For dense models, we use standard implementations of GPT-2 [86] from Huggingface transformers library and from Nvidia’s Megatron-LM repo. We follow the training recipe of the Megatron-LM repo. The Monarch version of these models simply swap out the dense weight matrices in the attention blocks (projection matrices) and in the FFN block (linear layers) with Monarch matrices."
"We use an effective batch size of 512" GPT-2-Medium: 10+100 epochs on wikitext-103 + 4k/400k iterations on openwebtext
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
- 4.4 × 10²⁰ FLOP
- Hogyan jött létre
- Operation counting
"We use an effective batch size of 512" GPT-2-Medium: 10+100 epochs on wikitext-103 + 4k/400k iterations on openwebtext 6 FLOP / parameter / token * 165 * 10^6 parameters * (103000000 tokens * 110 epochs + 512 * 404000) = 1.142147952 × 10^19 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA V100
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 for code: https://github.com/HazyResearch/fly/tree/master https://github.com/HazyResearch/fly/blob/master/src/train.py
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 130
- Benchmark adatok
- Monarch-GPT-2-Medium
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Monarch: Expressive Structured Matrices for Efficient and Accurate Training
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
Monarch-GPT-2-Medium ki lett adva által Stanford University,University at Buffalo,University of Michigan, az országban rögzítve mint United States of America, alatt April 2022. A kiadó kategóriája alá tartozik 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 képzés futás körülbelül 4.4 × 10²⁰ FLOP, hardveren rögzítve NVIDIA V100. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
Monarch-GPT-2-Medium — gyakori kérdések
Monarch-GPT-2-Medium— Hány paramétere van?
Paraméterszáma 165M. 165M table 2 "For dense models, we use standard implementations of GPT-2 [86] from Huggingface transformers library and from Nvidia’s Megatron-LM repo. We follow the training recipe of the Megatron-LM repo. The Monarch version of these models simply swap out the dense weight matrices in the attention blocks (projection matrices) and in the FFN block (linear layers) with Monarch matrices.". 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.
Monarch-GPT-2-Medium— Ki készítette ezt?
Kiadta Stanford University,University at Buffalo,University of Michigan, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.
Monarch-GPT-2-Medium— Mikor adták ki?
Kibocsátották a April 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Monarch-GPT-2-Medium— 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.
Monarch-GPT-2-Medium— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 4.4 × 10²⁰ FLOP, hardveren rögzítve NVIDIA V100. 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.
Monarch-GPT-2-Medium— 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.
Monarch-GPT-2-Medium— 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..