Transformer-C
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
- University of Massachusetts Amherst
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 8 April 2021
- Szerzők
- Simeng Sun, Mohit Iyyer
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
- 148M
- Képzési adatok
- 103,000,000 tokens
- Epochok
- 19.88
- Tételméret
- 10,240
148M, Table 6
Table 7 steps 200k batch size 10240 10240 * 200000 / 103000000 = 19.88 epochs
table 7
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
- 1.9 × 10¹⁸ FLOP
- Hogyan jött létre
- Operation counting,Hardware
6 FLOP / token / parameter * 148000000 parameters * 10240 tokens per batch * 200000 steps = 1.818624e+18 FLOP 11340000000000 FLOP / sec [assumed fp32] * 4 GPUs * 40 hours * 3600 sec/ hour * 0.3 [assumed precision] = 1.959552e+18 FLOP geometric mean: sqrt(1.818624e+18*1.959552e+18) = 1.8877734e+18
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce GTX 1080 Ti
- Használt chipek
- 4
- Fali óra idő
- 40 hours
- Teljesítményfogyasztás
- 2.0 kW
table 7
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
permissive license, BSD-3: https://github.com/SimengSun/revisit-nplm
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 16
- Benchmark adatok
- Transformer-C
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Revisiting Simple Neural Probabilistic Language Models
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
Transformer-C ki lett adva által University of Massachusetts Amherst, az országban rögzítve mint United States of America, alatt April 2021. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
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 1.9 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA GeForce GTX 1080 Ti. 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
Transformer-C — gyakori kérdések
Transformer-C— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
Transformer-C— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.9 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA GeForce GTX 1080 Ti. 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.
Transformer-C— 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.
Transformer-C— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Transformer-C— Hány paramétere van?
Paraméterszáma 148M. 148M, 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.
Transformer-C— Ki készítette ezt?
Kiadta University of Massachusetts Amherst, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
Transformer-C— Mikor adták ki?
Kibocsátották a April 2021. 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..