ELMo
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
- University of Washington,Allen Institute for AI
- Szervezet típusa
- Academia,Research collective
- Ország
- United States of America
- Közölt
- 1 February 2018
- Szerzők
- Matthew E. Peters, Mark Neumann, Mohit Iyyer, Matt Gardner, Christopher Clark, Kenton Lee, Luke Zettlemoyer
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Question answering, Sentiment classification, Language modeling
- Megközelítés
- Self-supervised learning
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
- 94M
- Képzési adatok
- 2,000,000,000 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
- 3.3 × 10¹⁵ FLOP
- Hogyan jött létre
- Third-party estimation
3300e12 - https://github.com/amirgholami/ai_and_memory_wall
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Highly cited
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 12,156
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Deep contextualized word representations
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Háttér
ELMo ki lett adva által University of Washington,Allen Institute for AI, az országban rögzítve mint United States of America, alatt February 2018. A kiadó kategóriája alá tartozik academia,Research collective.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása question answering, Sentiment classification, Language modeling.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 3.3 × 10¹⁵ 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 2,000,000,000 szöveg tokenjei
Az oka, hogy egyáltalán megjelenik ebben a katalógusban: highly cited.
Válaszok
ELMo — gyakori kérdések
ELMo— 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.
ELMo— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
ELMo— Hány paramétere van?
Paraméterszáma 94M. 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.
ELMo— Ki készítette ezt?
Kiadta University of Washington,Allen Institute for AI, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Research collective.
ELMo— 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.
ELMo— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot question answering, Sentiment classification, Language modeling. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
ELMo— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 3.3 × 10¹⁵ 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.
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..