GCRN-M1, dropout
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
- Ecole Polytechnique F´ed´erale de Lausanne (EPFL)
- Szervezet típusa
- Academia
- Ország
- Switzerland
- Közölt
- 22 December 2016
- Szerzők
- Youngjoo Seo, Michaël Defferrard, Pierre Vandergheynst, Xavier Bresson
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
- 42M
- Képzési adatok
- 929,000 tokens
- Epochok
- 13
42M (Table 2)
"All experiments have 13 epochs"
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 × 10¹⁵ FLOP
- Hogyan jött létre
- Operation counting
6 FLOP / parameter / token * 42000000 parameters * 929000 tokens * 13 epochs = 3.043404e+15 FLOP
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
- Confident
- Hivatkozások
- 957
- Benchmark adatok
- GCRN-M1, dropout
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Structured Sequence Modeling with Graph Convolutional Recurrent Networks
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
GCRN-M1, dropout ki lett adva által Ecole Polytechnique F´ed´erale de Lausanne (EPFL), az országban rögzítve mint Switzerland, alatt December 2016. A kiadó kategóriája alá tartozik academia.
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.
Mi került a felépítésébe
A képzés futás körülbelül 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 929,000 szöveg tokenjei
Válaszok
GCRN-M1, dropout — gyakori kérdések
GCRN-M1, dropout— 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.
GCRN-M1, dropout— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
GCRN-M1, dropout— Hány paramétere van?
Paraméterszáma 42M. 42M (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.
GCRN-M1, dropout— Ki készítette ezt?
Kiadta Ecole Polytechnique F´ed´erale de Lausanne (EPFL), alapján Switzerland, egy szervezet, amelyet kategorizáltak mint academia.
GCRN-M1, dropout— Mikor adták ki?
Kibocsátották a December 2016. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
GCRN-M1, dropout— 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.
GCRN-M1, dropout— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 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..