ENAS
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
- Google Brain,Carnegie Mellon University (CMU),Stanford University
- Szervezet típusa
- Industry,Academia,Academia
- Ország
- United States of America
- Közölt
- 9 February 2018
- Szerzők
- Hieu Pham, Melody Y. Guan, Barret Zoph, Quoc V. Le, Jeff Dean
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling, Neural Architecture Search - NAS
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
- 24M
- Képzési adatok
- 929,000 tokens
- Epochok
- 150
24M Table 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
- 2 × 10¹⁶ FLOP
- Hogyan jött létre
- Operation counting
Training on PTB: 6 FLOP / token / parameter * 24000000 parameters * 929000 tokens * 150 epochs = 2.00664e+16 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce GTX 1080 Ti
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 for PTB. Apache license: https://github.com/google-research/google-research/tree/master/enas_lm
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 3,004
- Benchmark adatok
- ENAS
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Efficient Neural Architecture Search via Parameter Sharing
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
ENAS ki lett adva által Google Brain,Carnegie Mellon University (CMU),Stanford University, az országban rögzítve mint United States of America, alatt February 2018. A kiadó kategóriája alá tartozik industry,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling, Neural Architecture Search - NAS.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 2 × 10¹⁶ FLOP, hardveren rögzítve NVIDIA GeForce GTX 1080 Ti. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A képzés körülbelül egy korpuszt fogyasztott 929,000 szöveg tokenjei
Válaszok
ENAS — gyakori kérdések
ENAS— Mikor adták ki?
Kibocsátották a February 2018. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
ENAS— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling, Neural Architecture Search - NAS. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
ENAS— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 2 × 10¹⁶ FLOP, hardveren rögzítve NVIDIA GeForce GTX 1080 Ti. 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.
ENAS— 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.
ENAS— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
ENAS— Hány paramétere van?
Paraméterszáma 24M. 24M Table 1. 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.
ENAS— Ki készítette ezt?
Kiadta Google Brain,Carnegie Mellon University (CMU),Stanford University, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry,Academia,Academia.
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..