Shortformer
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,Facebook AI Research,Allen Institute for AI
- Szervezet típusa
- Academia,Industry,Research collective
- Ország
- United States of America, France
- Közölt
- 31 December 2020
- Szerzők
- Ofir Press, Noah A. Smith, Mike Lewis
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
- 247M
- Képzési adatok
- 103,000,000 tokens
- Epochok
- 205
247M (Table 5)
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
- 3 × 10¹⁸ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP / parameter / token * 247000000 parameters * 103000000 tokens * 205 epochs = 3.129243e+19 FLOP ________ earlier here was a mistake (1 OOM) from when the calculation for the Algorithmic progress paper was done previous estimation: 3.04e+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
code, MIT: https://github.com/ofirpress/shortformer train: https://github.com/ofirpress/shortformer/blob/master/fairseq_cli/train.py
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 100
- Benchmark adatok
- Shortformer
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Shortformer: Better Language Modeling using Shorter Inputs
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
Shortformer ki lett adva által University of Washington,Facebook AI Research,Allen Institute for AI, az országban rögzítve mint United States of America, alatt December 2020. A kiadó szervezet a következő kategóriába tartozik academia,Industry,Research collective.
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.
Mi került a felépítésébe
A képzés futás körülbelül 3 × 10¹⁸ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A képzés körülbelül egy korpuszt fogyasztott 103,000,000 szöveg tokenjei
Válaszok
Shortformer — gyakori kérdések
Shortformer— Hány paramétere van?
Paraméterszáma 247M. 247M (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.
Shortformer— Ki készítette ezt?
Kiadta University of Washington,Facebook AI Research,Allen Institute for AI, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Industry,Research collective.
Shortformer— Mikor adták ki?
Kibocsátották a December 2020. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Shortformer— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
Shortformer— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 3 × 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.
Shortformer— 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.
Shortformer— 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..