LSTM(medium)+Sememe+cell (WT2)
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
- 24M
- Képzési adatok
- 2,088,628 tokens
- Epochok
- 40
" the “large” vanilla LSTM has much more parameters than “medium” LSTM+cell (76M vs. 24M), it is still outper- formed by the latter."
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 Wikitext/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
- Confident
- Benchmark adatok
- LSTM(medium)+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
Háttér
LSTM(medium)+Sememe+cell (WT2) 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. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia,Industry.
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.
Mi került a felépítésébe
Körülbelül egy korpuszon lett betanítva 2,088,628 szöveg tokenjei
Válaszok
LSTM(medium)+Sememe+cell (WT2) — gyakori kérdések
LSTM(medium)+Sememe+cell (WT2)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
LSTM(medium)+Sememe+cell (WT2)— Hány paramétere van?
Paraméterszáma 24M. " the “large” vanilla LSTM has much more parameters than “medium” LSTM+cell (76M vs. 24M), it is still outper- formed by the latter.". 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(medium)+Sememe+cell (WT2)— 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(medium)+Sememe+cell (WT2)— 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(medium)+Sememe+cell (WT2)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
LSTM(medium)+Sememe+cell (WT2)— 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..