SqueezeBERT
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 California (UC) Berkeley
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 10 June 2020
- Szerzők
- Forrest N. Iandola, Albert E. Shaw, Ravi Krishna, Kurt W. Keutzer
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Text autocompletion
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
- 51.1M
- Képzési adatok
- tokens
Rados
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Hivatkozások
- 140
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- SqueezeBERT: What can computer vision teach NLP about efficient neural networks?
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
SqueezeBERT ki lett adva által University of California (UC) Berkeley, az országban rögzítve mint United States of America, alatt June 2020. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása text autocompletion.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Válaszok
SqueezeBERT — gyakori kérdések
SqueezeBERT— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
SqueezeBERT— Hány paramétere van?
Paraméterszáma 51.1M. Rados. 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.
SqueezeBERT— Ki készítette ezt?
Kiadta University of California (UC) Berkeley, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
SqueezeBERT— Mikor adták ki?
Kibocsátották a June 2020. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
SqueezeBERT— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot text autocompletion. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
SqueezeBERT— 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.
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..