LIMoE-H/14
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
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 6 June 2022
- Autori
- Basil Mustafa, Carlos Riquelme, Joan Puigcerver, Rodolphe Jenatton, Neil Houlsby
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Multimodal, Vision, Language
- Compito
- Image classification
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
- 5.6B
- Dati di addestramento
- 4,575,625,612,000 tokens
Section 1: "We scale this up to a large 5.6B parameter LIMoE-H/14"
"By default, all models are trained on paired image-text data used in [16], consisting of 3.6B images and alt-texts scraped from the web. For large LIMoE-H/14 experiment, we also co-train with JFT-4B [17]." "The largest scale model is trained at batch size 21502, with resolution 288 and text sequence length 16." "The model was trained for 700k steps pre-cooldown. There was one cooldown of length 125k steps from the final step, and 3 of length 40k steps starting from step 650k" 21502*288*70000…
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
- 1.8 × 10²² FLOP
- Come è stato stabilito
- Operation counting
Section 3.2: "The model contains 5.6B parameters in total, but only applies 675M parameters per token" From Section A.3, "batch size 21502 with resolution 288 and text sequence length16". "The model was trained for 700k steps pre-cooldown. There was one cooldown of length 125k steps from the final step, and 3 of length 40k steps starting from step 650k". Patch size 14 for images. Assume C = 6*N*D. C = 6*675e6*21.5e3*1e6*(16+(288/14)**2)/2 = 1.8e22 This is broadly consistent with ViT-H/14's c…
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
- Google TPU v2,Google TPU v3,Google TPU v4
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
- Confident
- Citazioni
- 317
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Multimodal Contrastive Learning with LIMoE: the Language-Image Mixture of Experts
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Informazioni su questo modello
LIMoE-H/14 è stato pubblicato da Google, nel paese registrato come United States of America, durante June 2022. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Multimodal, Vision, Language, ed è registrato come eseguire il compito di image classification.
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 1.8 × 10²² FLOP, su hardware registrato come Google TPU v2,Google TPU v3,Google TPU v4. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 4,575,625,612,000 token di testo
Risposte
LIMoE-H/14 — domande comuni
LIMoE-H/14— 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.
LIMoE-H/14— A cosa serve?
Funziona nel dominio di Multimodal, Vision, Language, e viene registrato come gestire il compito di image classification. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
LIMoE-H/14— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.8 × 10²² FLOP, su hardware registrato come Google TPU v2,Google TPU v3,Google TPU v4. 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.
LIMoE-H/14— 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.
LIMoE-H/14— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
LIMoE-H/14— quanti parametri ha?
Ha un numero di parametri di 5.6B. Section 1: "We scale this up to a large 5.6B parameter LIMoE-H/14". 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.
LIMoE-H/14— chi l'ha creato?
È stato pubblicato da Google, basato su United States of America, un'organizzazione categorizzata come industry.
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.