Grown to Prune Two-layer stacked LSTM

Zárt súlyok University of Chicago,Toyota Technological Institute at Chicago July 2020

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 Chicago,Toyota Technological Institute at Chicago
Szervezet típusa
Academia,Academia
Ország
United States of America
Közölt
30 July 2020
Szerzők
Xin Yuan, Pedro Savarese, Michael Maire

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.

Képzési adatok
tokens

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.

Nyilvántartási bizalom
Unknown
Hivatkozások
51
Benchmark adatok
Grown to Prune Two-layer stacked LSTM

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia
Growing Efficient Deep Networks by Structured Continuous Sparsification
Utoljára frissítve
1 January 2026

Mit jelentenek a számok

Erről a modelről

Grown to Prune Two-layer stacked LSTM ki lett adva által University of Chicago,Toyota Technological Institute at Chicago, az országban rögzítve mint United States of America, alatt July 2020. 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.

Válaszok

Grown to Prune Two-layer stacked LSTM — gyakori kérdések

01

Grown to Prune Two-layer stacked LSTM— Nyílt forráskódú?

Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.

02

Grown to Prune Two-layer stacked LSTM— Hány paramétere van?

Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.

03

Grown to Prune Two-layer stacked LSTM— Ki készítette ezt?

Kiadta University of Chicago,Toyota Technological Institute at Chicago, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Academia.

04

Grown to Prune Two-layer stacked LSTM— Mikor adták ki?

Kibocsátották a July 2020. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

05

Grown to Prune Two-layer stacked LSTM— 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.

06

Grown to Prune Two-layer stacked LSTM— 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.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 1 January 2026

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..