GPT3-6.7B + muP
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
- Microsoft,OpenAI
- Szervezet típusa
- Industry,Industry
- Ország
- United States of America
- Közölt
- 7 March 2022
- Szerzők
- Greg Yang, Edward J. Hu, Igor Babuschkin, Szymon Sidor, Xiaodong Liu, David Farhi, Nick Ryder, Jakub Pachocki, Weizhu Chen, Jianfeng Gao
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation
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
- 6.7B
- Képzési adatok
- 300,000,000,000 tokens
- Epochok
- 1
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
- 1.3 × 10²² FLOP
- Hogyan jött létre
- Comparison with other models,Operation counting
- Finomhangolás számítás
- 8.4 × 10²⁰ FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 1.07 = 1.284e+22 FLOP 6 FLOP / parameter / token * 6660000000 parameters * 300000000000 tokens = 1.1988 × 10^22 FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 0.07 = 8.4e+20 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
- Unreleased
their repo is open: https://github.com/microsoft/mup The technique is open, not the model. GPT-3 isn't open so it wouldn't be possible for people to recreate GPT-3 + muP with this code
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 262
- Benchmark adatok
- GPT3-6.7B + muP
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Tensor Programs V: Tuning Large Neural Networks via Zero-Shot Hyperparameter Transfer
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Háttér
GPT3-6.7B + muP ki lett adva által Microsoft,OpenAI, az országban rögzítve mint United States of America, alatt March 2022. A kiadó szervezet a következő kategóriába tartozik industry,Industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Hogyan lett betanítva
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1.3 × 10²² 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 300,000,000,000 szöveg tokenjei
Válaszok
GPT3-6.7B + muP — gyakori kérdések
GPT3-6.7B + muP— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
GPT3-6.7B + muP— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.3 × 10²² 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.
GPT3-6.7B + muP— 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.
GPT3-6.7B + muP— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
GPT3-6.7B + muP— Hány paramétere van?
Paraméterszáma 6.7B. 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.
GPT3-6.7B + muP— Ki készítette ezt?
Kiadta Microsoft,OpenAI, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry,Industry.
GPT3-6.7B + muP— Mikor adták ki?
Kibocsátották a March 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..