GPT3-2.7B (FlashAttention-2)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Stanford University,Princeton University
- Tipo di organizzazione
- Academia,Academia
- Paese
- United States of America
- Pubblicato
- 18 July 2023
- Autori
- Tri Dao
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling/generation
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 2.7B
- Dati di addestramento
- tokens
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA A100 SXM4 80 GB
- Chip utilizzati
- 8
- Utilizzo dell'hardware
- HFU 72.0%
- Consumo energetico
- 6.4 kW
"We empirically validate that when used end-to-end to train GPT-style models, FlashAttention-2 reaches training speed of up to 225 TFLOPs/s per A100 GPU (72\% model FLOPs utilization)." Seems to be a test of FlashAttention2. It's also describing HFU, not MFU. HFU = 0.7200
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited,Historical significance
- Record fiducia
- Confident
- Citazioni
- 2,682
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- FlashAttention-2: Faster Attention with Better Parallelism and Work Partitioning
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
GPT3-2.7B (FlashAttention-2) è stato pubblicato da Stanford University,Princeton University, nel paese registrato come United States of America, durante July 2023. La categoria sotto cui rientra l'editore è academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Come è stato addestrato
È tracciato nel dataset sottostante per una ragione in particolare: highly cited,Historical significance.
Risposte
GPT3-2.7B (FlashAttention-2) — domande comuni
GPT3-2.7B (FlashAttention-2)— chi l'ha creato?
È stato pubblicato da Stanford University,Princeton University, basato su United States of America, un'organizzazione categorizzata come academia,Academia.
GPT3-2.7B (FlashAttention-2)— quando è stato rilasciato?
È stato pubblicato in July 2023. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
GPT3-2.7B (FlashAttention-2)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
GPT3-2.7B (FlashAttention-2)— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
GPT3-2.7B (FlashAttention-2)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GPT3-2.7B (FlashAttention-2)— quanti parametri ha?
Ha un numero di parametri di 2.7B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.