AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)
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
- Peking University,Microsoft Research Asia
- Szervezet típusa
- Academia,Industry
- Ország
- China
- Közölt
- 18 September 2018
- Szerzők
- Chengyue Gong, Di He, Xu Tan, Tao Qin, Liwei Wang, Tie-Yan Liu
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling, Translation, Text classification
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
- 35M
- Képzési adatok
- 2,000,000 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
- Open (non-commercial)
code, no license: https://github.com/ChengyueGongR/Frequency-Agnostic
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
- Confident
- Hivatkozások
- 152
- Benchmark adatok
- AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)
"Specifically, in language modeling and machine translation, we achieve better performance than the state-of-the-art results on PTB, WT2 and WMT14 English-German datasets."
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- FRAGE: Frequency-Agnostic Word Representation
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Honnan jött
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018) ki lett adva által Peking University,Microsoft Research Asia, az országban rögzítve mint China, alatt September 2018. A kiadó szervezet a következő kategóriába tartozik academia,Industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling, Translation, Text classification.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A tanító készlet kb. futott 2,000,000 szöveg tokenjei
A kiválasztási kritériuma: sOTA improvement.
Válaszok
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018) — gyakori kérdések
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Hány paramétere van?
Paraméterszáma 35M. 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Ki készítette ezt?
Kiadta Peking University,Microsoft Research Asia, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Industry.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling, Translation, Text classification. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
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..