Brain2Qwerty
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
- Meta AI,Universite de Technologie de Compiègne – CNRS,Basque Center on Cognition
- Szervezet típusa
- Industry,Academia,Academia
- Ország
- United States of America, France, Spain
- Közölt
- 18 February 2025
- Szerzők
- Jarod Lévy,, Mingfang (Lucy) Zhang, Svetlana Pinet, Jérémy Rapin, Hubert Banville, Stéphane d’Ascoli, Jean-Rémi King
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language generation
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
- 400M
- Képzési adatok
- tokens
- Epochok
- 100
a total of ∼ 400M parameters (258M for Conv, 138M for Trans)
The model is trained for 100 epochs with a batch size of 128 Custom dataset collected from 35 participants typing 128 unique Spanish sentences
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
- 1.6 × 10¹⁸ FLOP
- Hogyan jött létre
- Hardware
125000000000000 FLOP / GPU / sec [V100 reported, bf16 assumed] * 1 GPU * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 1.62e+18 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA V100
- Használt chipek
- 1
- Fali óra idő
- 12 hours
- Teljesítményfogyasztás
- 324 W
Training was conducted on a single NVIDIA Tesla V100 Volta GPU with 32 GB of memory. The total runtime for training one model is ∼12 hours
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
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Brain-to-Text Decoding: A Non-invasive Approach via Typing
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
Brain2Qwerty ki lett adva által Meta AI,Universite de Technologie de Compiègne – CNRS,Basque Center on Cognition, az országban rögzítve mint United States of America, alatt February 2025. A kiadó kategóriája alá tartozik industry,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language generation.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Hogyan lett betanítva
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1.6 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA V100. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
Brain2Qwerty — gyakori kérdések
Brain2Qwerty— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language generation. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Brain2Qwerty— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.6 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA V100. 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.
Brain2Qwerty— 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.
Brain2Qwerty— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
Brain2Qwerty— Hány paramétere van?
Paraméterszáma 400M. a total of ∼ 400M parameters (258M for Conv, 138M for Trans). 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.
Brain2Qwerty— Ki készítette ezt?
Kiadta Meta AI,Universite de Technologie de Compiègne – CNRS,Basque Center on Cognition, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry,Academia,Academia.
Brain2Qwerty— Mikor adták ki?
Kibocsátották a February 2025.
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..