Delta RNN (+ full context)
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
- IDSIA,SUPSI,King Abdullah University of Science and Technology (KAUST)
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- Switzerland, Saudi Arabia
- Közölt
- 11 June 2021
- Szerzők
- Kazuki Irie, Imanol Schlag, Róbert Csordás, Jürgen Schmidhuber
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
- 44.6M
- Képzési adatok
- 103,000,000 tokens
- Epochok
- 40
44.6M
"All models are trained and evaluated on the span of 256 tokens"
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
- 1.1 × 10¹⁸ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP / token / parameter * 44600000 parameters * 103000000 tokens * 40 epochs [assumed -> "Speculative" confidence] = 1.102512e+18 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
- Open source
train and eval code for Delta RNN: https://github.com/IDSIA/recurrent-fwp/tree/master/language_modeling apache 2 license: https://github.com/IDSIA/recurrent-fwp/blob/master/language_modeling/LICENSE
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 77
- Benchmark adatok
- Delta RNN (+ full context)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Going Beyond Linear Transformers with Recurrent Fast Weight Programmers
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Erről a modelről
Delta RNN (+ full context) ki lett adva által IDSIA,SUPSI,King Abdullah University of Science and Technology (KAUST), az országban rögzítve mint Switzerland, alatt June 2021. A kiadó kategóriája alá tartozik academia,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Képzés és származás
A betanításhoz körülbelül egy számítási költségvetés kellett 1.1 × 10¹⁸ FLOP. 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
Delta RNN (+ full context) — gyakori kérdések
Delta RNN (+ full context)— Hány paramétere van?
Paraméterszáma 44.6M. 44.6M. 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.
Delta RNN (+ full context)— Ki készítette ezt?
Kiadta IDSIA,SUPSI,King Abdullah University of Science and Technology (KAUST), alapján Switzerland, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.
Delta RNN (+ full context)— Mikor adták ki?
Kibocsátották a June 2021. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Delta RNN (+ full context)— 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.
Delta RNN (+ full context)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.1 × 10¹⁸ 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.
Delta RNN (+ full context)— 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.
Delta RNN (+ full context)— 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..