LSTM(large)+Sememe+cell
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
- Tsinghua University,Beijing University of Posts and Telecommunications,Huawei Noah's Ark Lab
- Szervezet típusa
- Academia,Academia,Industry
- Ország
- China
- Közölt
- 20 October 2019
- Szerzők
- Yujia Qin, Fanchao Qi, Sicong Ouyang, Zhiyuan Liu, Cheng Yang, Yasheng Wang, Qun Liu, Maosong Sun
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
- 48M
- Képzési adatok
- 2,000,000 tokens
- Epochok
- 40
Based on the details in the paper, here is the calculation for the number of parameters in the LSTM(large)+Sememe+cell model: The model has 2 LSTM layers, each with 1500 hidden units. It uses the "+cell" method to incorporate sememes, which introduces an additional sememe-LSTM cell in each LSTM unit. For each original 1500 unit LSTM layer: Input size is 300 (embedding dimension) Hidden size is 1500 4 weight matrices of size 300 x 1500 = 450,000 params each 4 recurrent weight matrices of size…
"The maximum training epoch number is 40 and the gradient norm clip boundary is 0.25."
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
- 2.3 × 10¹⁶ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP / token / parameter * 48000000 parameters * 2000000 tokens * 40 epochs = 2.304e+16 FLOP
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 (non-commercial)
code for WT/PTB. no license. https://github.com/thunlp/SememeRNN/blob/master/LM/main.py
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Likely
- Hivatkozások
- 19
- Benchmark adatok
- LSTM(large)+Sememe+cell
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Improving Sequence Modeling Ability of Recurrent Neural Networks via Sememes
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Mit jelent ez a modell
LSTM(large)+Sememe+cell ki lett adva által Tsinghua University,Beijing University of Posts and Telecommunications,Huawei Noah's Ark Lab, az országban rögzítve mint China, alatt October 2019. A kiadó szervezet a következő kategóriába tartozik academia,Academia,Industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Hogyan lett betanítva
A betanításhoz körülbelül egy számítási költségvetés kellett 2.3 × 10¹⁶ FLOP. 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 2,000,000 szöveg tokenjei
Válaszok
LSTM(large)+Sememe+cell — gyakori kérdések
LSTM(large)+Sememe+cell— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2.3 × 10¹⁶ FLOP. 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(large)+Sememe+cell— 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(large)+Sememe+cell— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
LSTM(large)+Sememe+cell— Hány paramétere van?
Paraméterszáma 48M. Based on the details in the paper, here is the calculation for the number of parameters in the LSTM(large)+Sememe+cell model: The model has 2 LSTM layers, each with 1500 hidden units. It uses the "+cell" method to incorporate sememes, which introduces an additional sememe-LSTM cell in each LSTM unit. For each original 1500 unit LSTM layer: Input size is 300 (embedding dimension) Hidden size is 1500 4 weight matrices of size 300 x 1500 = 450,000 params each 4 recurrent weight matrices of size 1500 x 1500 = 2,250,000 params each 4 bias vectors of size 1500 = 6,000 params each Total = 450,000 x 4 + 2,250,000 x 4 + 6,000 x 4 = 12,006,000 For each sememe-LSTM cell: Input size is 2000 (number of sememes) Hidden size is 1500 Same weight and bias computations as above Total = 12,006,000 Since there are 2 LSTM layers each with a sememe-LSTM cell: Total params = 2 * (12,006,000 + 12,006,000) Total = 48,024,000 Therefore, the total number of parameters for the LSTM(large)+Sememe+cell model is approximately 48 million. 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(large)+Sememe+cell— Ki készítette ezt?
Kiadta Tsinghua University,Beijing University of Posts and Telecommunications,Huawei Noah's Ark Lab, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Academia,Industry.
LSTM(large)+Sememe+cell— Mikor adták ki?
Kibocsátották a October 2019. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
LSTM(large)+Sememe+cell— 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..