EGRU (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
- Ruhr University Bochum,Technische Universität Dresden,University of London
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- Germany, United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 13 June 2022
- Autori
- Anand Subramoney, Khaleelulla Khan Nazeer, Mark Schöne, Christian Mayr, David Kappel
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
- 74M
- Dati di addestramento
- 2,000,000 tokens
- Epoche
- 2,500
- Dimensione del Batch
- 8,576
74M Table 3
"All EGRU models were trained for 2500 epochs" size of WT2: 2M tokens Table S6 batch size 128 seq length 67
128 * 67 = 8576
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
- 2.2 × 10¹⁸ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 74000000 parameters * 2000000 tokens * 2500 epochs = 2.22 × 10^18 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 A100
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
- Open source
Apache 2.0: https://github.com/Efficient-Scalable-Machine-Learning/EvNN train: https://github.com/Efficient-Scalable-Machine-Learning/EvNN/blob/main/benchmarks/lm/train.py
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 34
- Dati di benchmark
- EGRU (WT2)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Efficient recurrent architectures through activity sparsity and sparse back-propagation through time
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
EGRU (WT2) è stato pubblicato da Ruhr University Bochum,Technische Universität Dresden,University of London, nel paese registrato come Germany, durante June 2022. La categoria sotto cui rientra l'editore è academia,Academia,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
La produzione di esso ha richiesto un'aritmetica totale di circa 2.2 × 10¹⁸ FLOP, su hardware registrato come NVIDIA A100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 2,000,000 token di testo
Risposte
EGRU (WT2) — domande comuni
EGRU (WT2)— quando è stato rilasciato?
È stato pubblicato in June 2022. 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.
EGRU (WT2)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
EGRU (WT2)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.2 × 10¹⁸ FLOP, su hardware registrato come NVIDIA A100. 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.
EGRU (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.
EGRU (WT2)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
EGRU (WT2)— quanti parametri ha?
Ha un numero di parametri di 74M. 74M Table 3. 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.
EGRU (WT2)— chi l'ha creato?
È stato pubblicato da Ruhr University Bochum,Technische Universität Dresden,University of London, basato su Germany, un'organizzazione categorizzata come academia,Academia,Academia.
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.