AdvSoft + 4 layer QRNN + dynamic evaluation (WT103)
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 Texas at Austin
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 10 June 2019
- Szerzők
- Dilin Wang, Chengyue Gong, Qiang Liu
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling, Translation
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- tokens
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
there's a repo, but the WT-103 experiments aren't there: https://github.com/ChengyueGongR/advsoft
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 126
- Benchmark adatok
- AdvSoft + 4 layer QRNN + dynamic evaluation
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Improving Neural Language Modeling via Adversarial Training
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103) ki lett adva által University of Texas at Austin, az országban rögzítve mint United States of America, alatt June 2019. A kiadó kategóriája alá tartozik academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling, Translation.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Válaszok
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103) — gyakori kérdések
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling, Translation. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103)— 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.
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103)— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103)— Ki készítette ezt?
Kiadta University of Texas at Austin, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
AdvSoft + 4 layer QRNN + dynamic evaluation (WT103)— 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.
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..