GPT-2-Medium+Pixelfly
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,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo
- Szervezet típusa
- Academia,Industry,Academia,Industry,Academia
- Ország
- United States of America, China
- Közölt
- 30 November 2021
- Szerzők
- Tri Dao, Beidi Chen, Kaizhao Liang, Jiaming Yang, Zhao Song, Atri Rudra, Christopher Ré
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling, Text classification
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
- 203M
- Képzési adatok
- 103,000,000 tokens
- Epochok
- 100
203M (Table 6)
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 × 10¹⁹ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP / parameter / token * 203000000 parameters * 103000000 tokens * 100 epochs = 1.25454 × 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 (train and inference): https://github.com/HazyResearch/fly train code: 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
- 94
- Benchmark adatok
- GPT-2-Medium+Pixelfly
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Pixelated Butterfly: Simple and Efficient Sparse training for Neural Network Models
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
GPT-2-Medium+Pixelfly ki lett adva által Stanford University,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo, az országban rögzítve mint United States of America, alatt November 2021. A kiadó kategóriája alá tartozik academia,Industry,Academia,Industry,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling, Text classification.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A képzés futás körülbelül 1.3 × 10¹⁹ FLOP, hardveren rögzítve NVIDIA V100. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 103,000,000 szöveg tokenjei
Válaszok
GPT-2-Medium+Pixelfly — gyakori kérdések
GPT-2-Medium+Pixelfly— Hány paramétere van?
Paraméterszáma 203M. 203M (Table 6). 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.
GPT-2-Medium+Pixelfly— Ki készítette ezt?
Kiadta Stanford University,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Industry,Academia,Industry,Academia.
GPT-2-Medium+Pixelfly— Mikor adták ki?
Kibocsátották a November 2021. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
GPT-2-Medium+Pixelfly— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling, Text classification. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
GPT-2-Medium+Pixelfly— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.3 × 10¹⁹ 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.
GPT-2-Medium+Pixelfly— 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.
GPT-2-Medium+Pixelfly— 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..