GPT-2+Active-SGD (WT2)
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
- University of Montreal / Université de Montréal
- Tipo di organizzazione
- Academia
- Paese
- Canada
- Pubblicato
- 24 January 2023
- Autori
- Davood Wadi, Marc Fredette, Sylvain Senecal
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
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
- 124M
- Dati di addestramento
- tokens
- Epoche
- 200
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 3 × 10¹⁷ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP/parameter/token * 124000000.00 parameters * 2000000 tokens * 200 epochs [assumed: not reported for WT2, but reported for WT103 minigpt2 training -> "Likely" confidence] = 2.976e+17 FLOP
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 P100,NVIDIA V100
- Chip utilizzati
- 1
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
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Dati di benchmark
- GPT-2+Active-SGD
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Read the Signs Towards Invariance to Gradient Descent’s Hyperparameter Initialization
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Da dove è venuto
GPT-2+Active-SGD (WT2) è stato pubblicato da University of Montreal / Université de Montréal, nel paese registrato come Canada, durante January 2023. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
Il training ha richiesto un budget di calcolo di circa 3 × 10¹⁷ FLOP, su hardware registrato come NVIDIA P100,NVIDIA V100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
GPT-2+Active-SGD (WT2) — domande comuni
GPT-2+Active-SGD (WT2)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
GPT-2+Active-SGD (WT2)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 3 × 10¹⁷ FLOP, su hardware registrato come NVIDIA P100,NVIDIA V100. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
GPT-2+Active-SGD (WT2)— 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.
GPT-2+Active-SGD (WT2)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GPT-2+Active-SGD (WT2)— quanti parametri ha?
Ha un numero di parametri di 124M. 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.
GPT-2+Active-SGD (WT2)— chi l'ha creato?
È stato pubblicato da University of Montreal / Université de Montréal, basato su Canada, un'organizzazione categorizzata come academia.
GPT-2+Active-SGD (WT2)— quando è stato rilasciato?
È stato pubblicato in January 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.
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.