VDCNN (on Amazon Review Full dataset)
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
- Facebook AI Research,University of Le Mans
- Szervezet típusa
- Industry,Academia
- Ország
- United States of America, France
- Közölt
- 27 January 2017
- Szerzők
- Alexis Conneau, Holger Schwenk, Loïc Barrault, Yann Lecun
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- 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
- 7.8M
- Képzési adatok
- tokens
- Epochok
- 15
- Tételméret
- 128
7.8 M from Table 2.
Table 3: Amazon Review Full 3 000k
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
- 5.7 × 10¹⁷ FLOP
- Hogyan jött létre
- Hardware
5050000000000 [peak FLOPs] * 15 [epochs] * 7 [h] * 3600 [s] * 0.3 [assumed utilization rate] = 5.7267e+17
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA Tesla K40s
- Használt chipek
- 1
- Teljesítményfogyasztás
- 282 W
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Very Deep Convolutional Networks for Text Classification
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Háttér
VDCNN (on Amazon Review Full dataset) ki lett adva által Facebook AI Research,University of Le Mans, az országban rögzítve mint United States of America, alatt January 2017. A kiadó szervezet a következő kategóriába tartozik industry,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása text classification.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
A képzés futás körülbelül 5.7 × 10¹⁷ FLOP, hardveren rögzítve NVIDIA Tesla K40s. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
VDCNN (on Amazon Review Full dataset) — gyakori kérdések
VDCNN (on Amazon Review Full dataset)— Mikor adták ki?
Kibocsátották a January 2017. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
VDCNN (on Amazon Review Full dataset)— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot 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.
VDCNN (on Amazon Review Full dataset)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5.7 × 10¹⁷ FLOP, hardveren rögzítve NVIDIA Tesla K40s. 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.
VDCNN (on Amazon Review Full dataset)— 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.
VDCNN (on Amazon Review Full dataset)— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
VDCNN (on Amazon Review Full dataset)— Hány paramétere van?
Paraméterszáma 7.8M. 7.8 M from 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.
VDCNN (on Amazon Review Full dataset)— Ki készítette ezt?
Kiadta Facebook AI Research,University of Le Mans, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry,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..