DLWP
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 Washington,Microsoft Research
- Szervezet típusa
- Academia,Industry
- Ország
- United States of America
- Közölt
- 9 February 2021
- Szerzők
- Jonathan A. Weyn, Dale R. Durran, Rich Caruana, Nathaniel Cresswell-Clay
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Earth science
- Feladat
- Weather forecasting
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
- 2.7M
- Képzési adatok
- tokens
Table 1
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
- 5.7 × 10¹⁸ FLOP
- Hogyan jött létre
- Hardware
31330000000000 FLOP / GPU/ sec [Tesla V100] * 1 GPU * 168 hours * 3600 sec / hour * 0.3 [assumed utilization] = 5.6845152e+18 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA Tesla V100 DGXS 32 GB
- Használt chipek
- 1
- Fali óra idő
- 168 hours (7 days)
- Teljesítményfogyasztás
- 279 W
"Our DLWP model requires 6–8 days of computation to train on a single Tesla V100 GPU 7 days = 168 hours
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
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Sub-seasonal forecasting with a large ensemble of deep-learning weather prediction models
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
DLWP ki lett adva által University of Washington,Microsoft Research, az országban rögzítve mint United States of America, alatt February 2021. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Industry.
Működik a területen a Earth science, és úgy van rögzítve, mint a feladat végrehajtása weather forecasting.
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. 5.7 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA Tesla V100 DGXS 32 GB. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A kiválasztási kritériuma: sOTA improvement.
Válaszok
DLWP — gyakori kérdések
DLWP— Hány paramétere van?
Paraméterszáma 2.7M. Table 1. 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.
DLWP— Ki készítette ezt?
Kiadta University of Washington,Microsoft Research, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Industry.
DLWP— Mikor adták ki?
Kibocsátották a February 2021. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
DLWP— Mire használják?
Működik a területen a Earth science, és rögzítve van, hogy kezeli a feladatot weather forecasting. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
DLWP— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5.7 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA Tesla V100 DGXS 32 GB. 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.
DLWP— 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.
DLWP— 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..