WDC20 / DLWP
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,Microsoft Research
- Szervezet típusa
- Academia,Industry
- Ország
- United States of America
- Közölt
- 15 March 2020
- Szerzők
- Jonathan A. Weyn, Dale R. Durran, Rich Caruana
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Earth science
- Feladat
- Weather forecasting
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
- 672.1K
- Képzési adatok
- tokens
- Epochok
- 100
Table 1
"we train for a minimum of 100 epochs followed by early stopping conditioned on the validation set loss"
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
- 2.4 × 10¹⁸ FLOP
- Hogyan jött létre
- Hardware
31330000000000 FLOP / GPU/ sec [Tesla V100] * 1 GPU * 72 hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.4362208e+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 Tesla V100 DGXS 32 GB
- Használt chipek
- 1
- Fali óra idő
- 72 hours
- Teljesítményfogyasztás
- 281 W
2–3 days for training on a single NVidia Tesla V100 GPU
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
GPL-3 https://github.com/jweyn/DLWP-CS
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Improving data-driven global weather prediction using deep convolutional neural networks on a cubed sphere
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
WDC20 / DLWP ki lett adva által University of Washington,Microsoft Research, az országban rögzítve mint United States of America, alatt March 2020. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Industry.
Működik a területen a Earth science, és úgy van rögzítve, mint a feladat végrehajtása weather forecasting.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Mi került a felépítésébe
A betanításhoz körülbelül egy számítási költségvetés kellett 2.4 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA Tesla V100 DGXS 32 GB. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
WDC20 / DLWP — gyakori kérdések
WDC20 / DLWP— Mikor adták ki?
Kibocsátották a March 2020. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
WDC20 / DLWP— Mire használják?
Működik a területen a Earth science, és rögzítve van, hogy kezeli a feladatot weather forecasting. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
WDC20 / DLWP— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2.4 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA Tesla V100 DGXS 32 GB. 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.
WDC20 / DLWP— 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.
WDC20 / DLWP— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
WDC20 / DLWP— Hány paramétere van?
Paraméterszáma 672.1K. Table 1. 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.
WDC20 / DLWP— Ki készítette ezt?
Kiadta University of Washington,Microsoft Research, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Industry.
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..