Knowledge distillation student model
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
- Harvard University
- Szervezet típusa
- Academia
- Ország
- United States of America
- Közölt
- 22 September 2016
- Szerzők
- Yoon Kim, Alexander M. Rush
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Translation
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
- 84M
- Képzési adatok
- 100,000,000 tokens
84M from Table 1.
"The training set has 4m sentences". If the average sentence is ~25 tokens (ballpark), dataset size is 4M * 25 * 2 = 200M 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
- 1 × 10¹⁷ FLOP
- Hogyan jött létre
- Operation counting
6ND = 6 FLOP/param/token * 84000000 parameters * 200000000 tokens = 1.008e+17 FLOP (Speculative confidence since the amount of epochs is unknown)
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.
- Képzés kód
- Open source
https://github.com/harvardnlp/seq2seq-attn?tab=readme-ov-file MIT License
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Speculative
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Sequence-Level Knowledge Distillation
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
Knowledge distillation student model ki lett adva által Harvard University, az országban rögzítve mint United States of America, alatt September 2016. A kiadó szervezet a következő kategóriába tartozik academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása translation.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Képzés és származás
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1 × 10¹⁷ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 100,000,000 szöveg tokenjei
Válaszok
Knowledge distillation student model — gyakori kérdések
Knowledge distillation student model— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 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.
Knowledge distillation student model— 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.
Knowledge distillation student model— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Knowledge distillation student model— Hány paramétere van?
Paraméterszáma 84M. 84M from 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.
Knowledge distillation student model— Ki készítette ezt?
Kiadta Harvard University, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia.
Knowledge distillation student model— Mikor adták ki?
Kibocsátották a September 2016. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Knowledge distillation student model— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot translation. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
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..