GPT-2 (1.5B, Curriculum Learning 45K)
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
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 13 August 2021
- Szerzők
- Conglong Li, Minjia Zhang, Yuxiong He
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
- 1.5B
- Képzési adatok
- 157,000,000,000 tokens
- Epochok
- 1.6
- Tételméret
- 4,000,000
Table 2 SLW 45K bsz4K-seqlen1K 58.8K 157B (1x) training time: 155Hr (2.2x) batch size 4000 sequence length 1000 58.8K steps 157B tokens 4*10^6*58800/157*10^9 = 1.6 epochs
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
- 2.4 × 10²¹ FLOP
- Hogyan jött létre
- Comparison with other models,Hardware,Operation counting
"Experiments replicating GPT-2 models (117M and 1.5B) show that <..> our method reduces the required number of training tokens and wall clock time by up to 2.2x and 3.7x, respectively." GPT-2 estimated training compute: 1.9200000000009998e+21 FLOP (Speculative confidence) -> 1.9200000000009998e+21 / 3.7 = 5.1891892e+20 FLOP " All of the experiments are performed on 128 NVIDIA V100 GPUs (32GB memory). There are 16 nodes and 8 GPUs per node" 155 hours (Table 2) 125000000000000 FLOP/sec * 128 …
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA V100
- Használt chipek
- 128
- Fali óra idő
- 155 hours
- Teljesítményfogyasztás
- 77.6 kW
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
there's a repo for the technique but I don't see training code for this model: https://github.com/microsoft/DeepSpeed
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Likely
- Hivatkozások
- 55
- Benchmark adatok
- GPT-2 (1.5B, Curriculum Learning 45K)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Curriculum Learning: A Regularization Method for Efficient and Stable Billion-Scale GPT Model Pre-Training
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
GPT-2 (1.5B, Curriculum Learning 45K) ki lett adva által Microsoft, az országban rögzítve mint United States of America, alatt August 2021. A kiadó kategóriája alá tartozik 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 betanításhoz körülbelül egy számítási költségvetés kellett 2.4 × 10²¹ 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 157,000,000,000 szöveg tokenjei
Válaszok
GPT-2 (1.5B, Curriculum Learning 45K) — gyakori kérdések
GPT-2 (1.5B, Curriculum Learning 45K)— Mikor adták ki?
Kibocsátották a August 2021. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
GPT-2 (1.5B, Curriculum Learning 45K)— 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.
GPT-2 (1.5B, Curriculum Learning 45K)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2.4 × 10²¹ 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 (1.5B, Curriculum Learning 45K)— 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 (1.5B, Curriculum Learning 45K)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
GPT-2 (1.5B, Curriculum Learning 45K)— Hány paramétere van?
Paraméterszáma 1.5B. 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 (1.5B, Curriculum Learning 45K)— Ki készítette ezt?
Kiadta Microsoft, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
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..