LSTM-3-layer+Gadam
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 Oxford,University of Bristol,University of Cambridge
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- United Kingdom of Great Britain and Northern Ireland
- Közölt
- 2 March 2020
- Szerzők
- Diego Granziol, Xingchen Wan, Samuel Albanie, Stephen Roberts
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
- 24M
- Képzési adatok
- 912,344 tokens
- Epochok
- 200
24M imputed from Merity et al. 2017 https://arxiv.org/abs/1708.02182
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
- 2.6 × 10¹⁶ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP / parameter / token * 24000000 parameters * 912344 tokens * 200 epochs = 2.6275507e+16 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce RTX 2080 Ti 11GB
- Használt chipek
- 1
- Teljesítményfogyasztás
- 281 W
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
- Likely
- Hivatkozások
- 5
- Benchmark adatok
- LSTM-3-layer+Gadam
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Iterative Averaging in the Quest for Best Test Error
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
LSTM-3-layer+Gadam ki lett adva által University of Oxford,University of Bristol,University of Cambridge, az országban rögzítve mint United Kingdom of Great Britain and Northern Ireland, alatt March 2020. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,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.
Képzés és származás
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 2.6 × 10¹⁶ FLOP, hardveren rögzítve NVIDIA GeForce RTX 2080 Ti 11GB. 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 912,344 szöveg tokenjei
Válaszok
LSTM-3-layer+Gadam — gyakori kérdések
LSTM-3-layer+Gadam— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2.6 × 10¹⁶ FLOP, hardveren rögzítve NVIDIA GeForce RTX 2080 Ti 11GB. 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.
LSTM-3-layer+Gadam— 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.
LSTM-3-layer+Gadam— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
LSTM-3-layer+Gadam— Hány paramétere van?
Paraméterszáma 24M. 24M imputed from Merity et al. 2017 https://arxiv.org/abs/1708.02182. 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.
LSTM-3-layer+Gadam— Ki készítette ezt?
Kiadta University of Oxford,University of Bristol,University of Cambridge, alapján United Kingdom of Great Britain and Northern Ireland, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.
LSTM-3-layer+Gadam— 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.
LSTM-3-layer+Gadam— 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.
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..