Subformer (122M)
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
- National Institute of Advanced Industrial Science and Technology (AIST),University of Tokyo
- Szervezet típusa
- Academia,Academia
- Ország
- Japan
- Közölt
- 1 January 2021
- Szerzők
- Machel Reid, Edison Marrese-Taylor, Yutaka Matsuo
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
- 122M
- Képzési adatok
- tokens
- Epochok
- 70.29
- Tételméret
- 24,576
122M (Table 5)
"we use 8 GPUs with 3072 tokens per GPU and an update frequency of 3" "warming up the learning rate to 1.0 for 16K iterations, and then annealing for 270K iterations" 8*3072*286000/100000000 = 70.29 epochs
8*3072
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
- 5.1 × 10¹⁸ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP/token/parameter * 122000000 parameters * 8 GPUs * 3072 tokens per batch per GPU * 286000 steps = 5.1450348e+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 V100
- Használt chipek
- 8
- Teljesítményfogyasztás
- 4.9 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
code, but not for language modeling: https://github.com/machelreid/subformer/blob/master/README.md
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 60
- Benchmark adatok
- Subformer (122M)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Subformer: Exploring Weight Sharing for Parameter Efficiency in Generative Transformers
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Háttér
Subformer (122M) ki lett adva által National Institute of Advanced Industrial Science and Technology (AIST),University of Tokyo, az országban rögzítve mint Japan, alatt January 2021. A kiadó kategóriája alá tartozik 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.
Hogyan lett betanítva
A képzés futás körülbelül 5.1 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA V100. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
Subformer (122M) — gyakori kérdések
Subformer (122M)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5.1 × 10¹⁸ 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.
Subformer (122M)— 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.
Subformer (122M)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Subformer (122M)— Hány paramétere van?
Paraméterszáma 122M. 122M (Table 5). 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.
Subformer (122M)— Ki készítette ezt?
Kiadta National Institute of Advanced Industrial Science and Technology (AIST),University of Tokyo, alapján Japan, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Subformer (122M)— Mikor adták ki?
Kibocsátották a January 2021. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Subformer (122M)— 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.
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..