MS-ensemble-speech-recognition
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
- Microsoft
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 12 September 2016
- Szerzők
- Wayne Xiong, J. Droppo, Xuedong Huang, F. Seide, M. Seltzer, A. Stolcke, Dong Yu, G. Zweig
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Speech
- Feladat
- Speech recognition (ASR)
- Megközelítés
- Supervised
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
- 3.2B
- Képzési adatok
- 11,140,000,000 tokens
Large ensemble CNNs: 85000000 + 38000000 + 65000000 = 188000000 = 188M LSTMs: 40 / 140 input - 6*512 layers - 9000 / 27000 output 4*(140+512)*512 + 5*4*(512+512)*512 + 4*(512+27000)*27000=2983117056 LM: 1000*1000 = 1000000 + Embedding Total: 1000000+2983117056+188000000=3172117056 (underestimate because it doesn't account for embeddings)
2000h of audio data + 85M words of text data
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
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Likely
https://paperswithcode.com/sota/speech-recognition-on-switchboard-hub500
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- The microsoft 2016 conversational speech recognition system
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
MS-ensemble-speech-recognition ki lett adva által Microsoft, az országban rögzítve mint United States of America, alatt September 2016. A kiadó szervezet a következő kategóriába tartozik industry.
Működik a területen a Speech, és úgy van rögzítve, mint a feladat végrehajtása speech recognition (ASR).
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Mi került a felépítésébe
A képzés körülbelül egy korpuszt fogyasztott 11,140,000,000 szöveg tokenjei
A kiválasztási kritériuma: sOTA improvement.
Válaszok
MS-ensemble-speech-recognition — gyakori kérdések
MS-ensemble-speech-recognition— Mire használják?
Működik a területen a Speech, és rögzítve van, hogy kezeli a feladatot speech recognition (ASR). Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
MS-ensemble-speech-recognition— 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.
MS-ensemble-speech-recognition— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
MS-ensemble-speech-recognition— Hány paramétere van?
Paraméterszáma 3.2B. Large ensemble CNNs: 85000000 + 38000000 + 65000000 = 188000000 = 188M LSTMs: 40 / 140 input - 6*512 layers - 9000 / 27000 output 4*(140+512)*512 + 5*4*(512+512)*512 + 4*(512+27000)*27000=2983117056 LM: 1000*1000 = 1000000 + Embedding Total: 1000000+2983117056+188000000=3172117056 (underestimate because it doesn't account for embeddings). 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.
MS-ensemble-speech-recognition— Ki készítette ezt?
Kiadta Microsoft, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
MS-ensemble-speech-recognition— 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.
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..