ADP-FAIRSEQ + NGRAMRES
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
- Nara Institute of Science and Technology,Chinese University of Hong Kong (CUHK),Tsinghua University
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- Japan, Hong Kong, China
- Közölt
- 28 September 2018
- Szerzők
- Huayang Li, Deng Cai, Jin Xu, Taro Watanabe
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling
- Alapmodell
- Transformer (Adaptive Input Embeddings) WT103
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
- 247M
- Képzési adatok
- tokens
247M (Table 2)
"The training set contains around 101M tokens."
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
- 1.5 × 10¹⁷ FLOP
- Hogyan jött létre
- Operation counting
6NC = 6 * 247000000 * 101000000 = 1.49682e+17 (no information about epochs -> speculative confidence)
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)
https://github.com/ghrua/NgramRes (no specific license)
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 3
- Benchmark adatok
- ADP-FAIRSEQ
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- N-gram Is Back: Residual Learning of Neural Text Generation with n-gram Language Model
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
ADP-FAIRSEQ + NGRAMRES ki lett adva által Nara Institute of Science and Technology,Chinese University of Hong Kong (CUHK),Tsinghua University, az országban rögzítve mint Japan, alatt September 2018. A kiadó kategóriája alá tartozik academia,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
A kiindulópontja egy meglévő alapmodell volt, Transformer (Adaptive Input Embeddings) WT103. 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.
Hogyan lett betanítva
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1.5 × 10¹⁷ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
ADP-FAIRSEQ + NGRAMRES — gyakori kérdések
ADP-FAIRSEQ + NGRAMRES— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.5 × 10¹⁷ 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.
ADP-FAIRSEQ + NGRAMRES— 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.
ADP-FAIRSEQ + NGRAMRES— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
ADP-FAIRSEQ + NGRAMRES— Hány paramétere van?
Paraméterszáma 247M. 247M (Table 2). 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.
ADP-FAIRSEQ + NGRAMRES— Ki készítette ezt?
Kiadta Nara Institute of Science and Technology,Chinese University of Hong Kong (CUHK),Tsinghua University, alapján Japan, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.
ADP-FAIRSEQ + NGRAMRES— Mikor adták ki?
Kibocsátották a September 2018. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
ADP-FAIRSEQ + NGRAMRES— 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..