AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
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
- IBM
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 14 August 2018
- Szerzők
- Siddhartha Brahma
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling
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
- 60.9M
- Képzési adatok
- 929,000 tokens
- Epochok
- 1,200
10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800
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
- 4.1 × 10¹⁷ FLOP
Forward flop: 2*60852800=121705600 FLOP: 1200*121705600*3*929000=4.0703221e+17
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
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Likely
- Benchmark adatok
- AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Improved Language Modeling by Decoding the Past
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Honnan jött
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB) ki lett adva által IBM, az országban rögzítve mint United States of America, alatt August 2018. A kiadó kategóriája alá tartozik industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling.
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 4.1 × 10¹⁷ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 929,000 szöveg tokenjei
Válaszok
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB) — gyakori kérdések
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— Ki készítette ezt?
Kiadta IBM, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— Mikor adták ki?
Kibocsátották a August 2018. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 4.1 × 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.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— 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+PDR + dynamic evaluation (PTB)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— Hány paramétere van?
Paraméterszáma 60.9M. 10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800. 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.
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..