Tensorized Transformer (257M)
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
- Tianjin University,Microsoft Research Asia,Beijing Institute of Technology
- Szervezet típusa
- Academia,Industry,Academia
- Ország
- China
- Közölt
- 24 June 2019
- Szerzők
- Xindian Ma, Peng Zhang, Shuai Zhang, Nan Duan, Yuexian Hou, Ming Zhou, Dawei Song
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation
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
- 257M
- Képzési adatok
- 103,000,000 tokens
- Epochok
- 30
257M (Table 5)
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
- 4.8 × 10¹⁸ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP / parameter / token * 257000000 parameters * 103000000 tokens * 30 epochs = 4.76478e+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 P40
- Használt chipek
- 2
- Teljesítményfogyasztás
- 1.0 kW
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, no license: https://github.com/szhangtju/The-compression-of-Transformer
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 194
- Benchmark adatok
- Tensorized Transformer (257M)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- A Tensorized Transformer for Language Modeling
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Háttér
Tensorized Transformer (257M) ki lett adva által Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, az országban rögzítve mint China, alatt June 2019. A kiadó szervezet a következő kategóriába tartozik academia,Industry,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Mi került a felépítésébe
A képzés futás körülbelül 4.8 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA P40. 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 103,000,000 szöveg tokenjei
Válaszok
Tensorized Transformer (257M) — gyakori kérdések
Tensorized Transformer (257M)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 4.8 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA P40. 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.
Tensorized Transformer (257M)— 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.
Tensorized Transformer (257M)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Tensorized Transformer (257M)— Hány paramétere van?
Paraméterszáma 257M. 257M (Table 5). 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.
Tensorized Transformer (257M)— Ki készítette ezt?
Kiadta Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Industry,Academia.
Tensorized Transformer (257M)— Mikor adták ki?
Kibocsátották a June 2019. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Tensorized Transformer (257M)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
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..