3-Layer-Tensor-Transformer+AdaHessian
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,NERSC, Lawrence Berkeley National Laboratory
- Szervezet típusa
- Academia,Government
- Ország
- United States of America
- Közölt
- 1 June 2020
- Szerzők
- Zhewei Yao, Amir Gholami, Sheng Shen, Mustafa Mustafa, Kurt Keutzer, Michael W. Mahoney
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling, Translation
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
- Epochok
- 30
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
MIT for code. doesn't have training script for PTB but looks fairly adaptable: https://github.com/amirgholami/ADAHESSIAN
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 365
- Benchmark adatok
- 3-Layer-Tensor-Transformer+AdaHessian
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- ADAHESSIAN: An Adaptive Second Order Optimizer for Machine Learning
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
3-Layer-Tensor-Transformer+AdaHessian ki lett adva által University of California (UC) Berkeley,NERSC, Lawrence Berkeley National Laboratory, az országban rögzítve mint United States of America, alatt June 2020. A kiadó szervezet a következő kategóriába tartozik academia,Government.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling, Translation.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Válaszok
3-Layer-Tensor-Transformer+AdaHessian — gyakori kérdések
3-Layer-Tensor-Transformer+AdaHessian— 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.
3-Layer-Tensor-Transformer+AdaHessian— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
3-Layer-Tensor-Transformer+AdaHessian— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
3-Layer-Tensor-Transformer+AdaHessian— Ki készítette ezt?
Kiadta University of California (UC) Berkeley,NERSC, Lawrence Berkeley National Laboratory, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Government.
3-Layer-Tensor-Transformer+AdaHessian— 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.
3-Layer-Tensor-Transformer+AdaHessian— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling, Translation. 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..