$\infty$-former (SM)
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
- Universidade de Lisboa (ULisboa),DeepMind
- Szervezet típusa
- Academia,Industry
- Ország
- Portugal, United Kingdom of Great Britain and Northern Ireland
- Közölt
- 1 September 2021
- Szerzők
- Pedro Henrique Martins, Zita Marinho, André F. T. Martins
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation
- Alapmodell
- GPT-2 (124M)
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
- 124M
- Képzési adatok
- 200,000,000 tokens
- Epochok
- 1
assuming same as the base model GPT-2 small
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
- 1.2 × 10²² FLOP
- Hogyan jött létre
- Operation counting
- Finomhangolás számítás
- 1.5 × 10¹⁷ FLOP
7.936 × 10^20 FLOP [base model compute estimation, "Speculative" confidence] + 1.488e+17 FLOP [fine-tune compute] = 7.937488e+20 FLOP
"To understand if long-term memories can be used to extend a pre-trained language model, we fine-tune GPT-2 small (Radford et al., 2019) on Wikitext103 (Merity et al., 2017) and a subset of PG-19 (Rae et al., 2019) containing the first 2,000 books (≈ 200 million tokens) of the training set" 6 FLOP / token / parameter * 124000000 parameters * 200000000 tokens * 1 epoch = 1.488e+17 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce RTX 2080 Ti 11GB
- Használt chipek
- 1
- Teljesítményfogyasztás
- 277 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 (non-commercial)
fine-tune code (this is a GPT-2 finetune), no clear license: https://github.com/deep-spin/infinite-former
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 31
- Benchmark adatok
- $\infty$-former (SM)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- $\infty$-former: Infinite Memory Transformer
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Háttér
$\infty$-former (SM) ki lett adva által Universidade de Lisboa (ULisboa),DeepMind, az országban rögzítve mint Portugal, alatt September 2021. A kiadó kategóriája alá tartozik academia,Industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation.
A kiindulópontja egy meglévő alapmodell volt, GPT-2 (124M). Ez a szokásos módja egy specializált modell előállításának.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1.2 × 10²² FLOP, hardveren rögzítve NVIDIA GeForce RTX 2080 Ti 11GB. 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 200,000,000 szöveg tokenjei
Válaszok
$\infty$-former (SM) — gyakori kérdések
$\infty$-former (SM)— Hány paramétere van?
Paraméterszáma 124M. assuming same as the base model GPT-2 small. 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.
$\infty$-former (SM)— Ki készítette ezt?
Kiadta Universidade de Lisboa (ULisboa),DeepMind, alapján Portugal, egy szervezet, amelyet kategorizáltak mint academia,Industry.
$\infty$-former (SM)— Mikor adták ki?
Kibocsátották a September 2021. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
$\infty$-former (SM)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
$\infty$-former (SM)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.2 × 10²² FLOP, hardveren rögzítve NVIDIA GeForce RTX 2080 Ti 11GB. 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.
$\infty$-former (SM)— 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.
$\infty$-former (SM)— 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..