TransAct
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 31 May 2023
- Autori
- Xue Xia, Pong Eksombatchai, Nikil Pancha, Dhruvil Deven Badani, Po-Wei Wang, Neng Gu, Saurabh Vishwas Joshi, Nazanin Farahpour, Zhiyuan Zhang, Andrew Zhai
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Recommendation
- Compito
- Recommender system
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Parametri
- 92M
- Dati di addestramento
- tokens
92M (Table 9)
[tokens] "Our training dataset contains 3 billion training instances of 177 million users and 720 million pins." "sequence length is |𝑆 | = 100 " "we choose to include each user’s most recent 100 actions in the sequence. For users with less than 100 actions, we pad the feature to the length of 100 with 0s" "The batch size is 12000" 3B training instances * 100 = 3*10^11 training tokens
Addestramento computazionale
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto costato l'addestramento, non di quanto velocemente il modello finito ti risponde.
- Addestramento computazionale
- 1.7 × 10²⁰ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 92 * 10^6 parameters * 3 * 10^11 tokens [see dataset size notes] = 1.656e+20 FLOP
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open source
Apache 2.0 https://github.com/pinterest/transformer_user_action
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Registrare fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- TransAct: Transformer-based Realtime User Action Model for Recommendation at Pinterest
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
TransAct was published by Pinterest, in United States of America, in May 2023. It comes out of industry.
It works in Recommendation, and is recorded as doing recommender system.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa ci è voluto per costruirlo
Training it took roughly 1.7 × 10²⁰ FLOP of computation — a measure of what producing the model cost, not of how fast it answers.
Risposte
TransAct — Domande frequenti
Is TransAct open source?
No. TransAct has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does TransAct have?
TransAct has 92M parameters. 92M (Table 9). 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.
Who created TransAct?
TransAct was published by Pinterest, based in United States of America, categorised as industry.
When was TransAct released?
TransAct was published in May 2023. 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 TransAct used for?
TransAct works in Recommendation, and is recorded as handling recommender system. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train TransAct?
Around 1.7 × 10²⁰ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run TransAct?
None. TransAct 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.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.