Stack RNN
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Facebook AI Research
- Szervezet típusa
- Industry
- Ország
- United States of America, France
- Kiadva
- 3 March 2015
- Szerzők
- Armand Joulin, Tomas Mikolov
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Language
- Feladat
- Language modeling
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Paraméterek
- 2M
- Képzési adatok
- tokens
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Unreleased
repo but no PTB experiment code: https://github.com/facebookarchive/Stack-RNN
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Citations
- 440
- Benchmark data
- Stack RNN
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Inferring Algorithmic Patterns with Stack-Augmented Recurrent Nets
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Erről a modellről
Stack RNN was published by Facebook AI Research, in United States of America, in March 2015. industry is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Válaszok
Stack RNN — Gyakran ismételt kérdések
Who created Stack RNN?
Stack RNN was published by Facebook AI Research, based in United States of America, categorised as industry.
When was Stack RNN released?
Stack RNN was published in March 2015. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Stack RNN used for?
Stack RNN works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run Stack RNN?
None. Stack RNN is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Stack RNN open source?
No. Stack RNN has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Stack RNN have?
Stack RNN has 2M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.