Transformer-XL Large + Phrase Induction
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
- Massachusetts Institute of Technology (MIT),University of Illinois Urbana-Champaign (UIUC)
- Szervezet típusa
- Academia,Academia
- Ország
- United States of America
- Közölt
- 4 June 2019
- Szerzők
- Hongyin Luo, Lan Jiang, Yonatan Belinkov, James Glass
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation
- Alapmodell
- Transformer-XL (257M)
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
- 1
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
- 3.8 × 10²⁰ FLOP
- Hogyan jött létre
- Operation counting
- Finomhangolás számítás
- 1.6 × 10¹⁷ FLOP
Fine-tuned from pre-trained Transformer-XL Large (upd 3.7832771e+20 FLOP, old estimation 1.09e19 FLOP). Total: 3.7832771e20 + 1.588e17 = 3.7848651e+20 FLOP (Speculative confidence same as Transformer XL)
Additional 1.6e17 FLOP of fine-tuning from one epoch on WikiText-103: 6 * 257M * 103M = 1.588e17 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 source
code license, BSD-3: https://github.com/luohongyin/PILM?tab=BSD-3-Clause-1-ov-file#readme training: https://github.com/luohongyin/PILM/blob/master/train_span_wt103.sh
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 14
- Benchmark adatok
- Transformer-XL Large + Phrase Induction
"We achieved a new state-of-the-art performance of 17.4 perplexity on the Wikitext-103 dataset"
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Improving Neural Language Models by Segmenting, Attending, and Predicting the Future
- Utoljára frissítve
- 1 December 2025
Mit jelentenek a számok
Mit jelent ez a modell
Transformer-XL Large + Phrase Induction ki lett adva által Massachusetts Institute of Technology (MIT),University of Illinois Urbana-Champaign (UIUC), az országban rögzítve mint United States of America, alatt June 2019. A kiadó szervezet a következő kategóriába tartozik academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation.
Ez alapoz. Transformer-XL (257M). Ezért osztja a bázismodell általános formáját és méretét.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Képzés és származás
A képzés futás körülbelül 3.8 × 10²⁰ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 103,000,000 szöveg tokenjei
A kiválasztási kritériuma: sOTA improvement.
Válaszok
Transformer-XL Large + Phrase Induction — gyakori kérdések
Transformer-XL Large + Phrase Induction— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Transformer-XL Large + Phrase Induction— Hány paramétere van?
Paraméterszáma 257M. 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.
Transformer-XL Large + Phrase Induction— Ki készítette ezt?
Kiadta Massachusetts Institute of Technology (MIT),University of Illinois Urbana-Champaign (UIUC), alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Transformer-XL Large + Phrase Induction— 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.
Transformer-XL Large + Phrase Induction— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
Transformer-XL Large + Phrase Induction— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 3.8 × 10²⁰ 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.
Transformer-XL Large + Phrase Induction— 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..