B2T connection (16L)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
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
- LINE Corporation,Tohoku University
- Tipo di organizzazione
- Industry,Academia
- Paese
- Japan
- Pubblicato
- 1 June 2022
- Autori
- Sho Takase, Shun Kiyono, Sosuke Kobayashi, Jun Suzuki
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, Question answering
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.
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 95
"We used WikiText-103 (Merity et al., 2017), which consists of a large number of tokens. The training, validation, and test sets contain 103M, 0.2M, and 0.2M tokens, respectively" Table 6 updates: 50K tokens/GPU: 1024 GPUs (Table 7): 192 50000*1024*192/103000000 = 95 epochs
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
- 2.8 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware,Operation counting
192*7 GPU (P100) hours per Table 6 19 TFLOP/s 19 trillion * 192 * 7 * 3600 * 0.3 = 2.76e19 6 FLOP / parameter / token * 247000000 parameters [not sure how it was estimated] * 50000 steps * 1024 tokens / GPU * 192 GPUs = 1.4568653e+19 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
- Chip utilizzati
- 192
- Tempo di parete
- 7 hours
- Consumo energetico
- 96.3 kW
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
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Open source
code and weights, MIT: https://github.com/takase/b2t_connection?tab=readme-ov-file
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 18
- Dati di benchmark
- B2T connection (16L)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- On Layer Normalizations and Residual Connections in Transformers
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
B2T connection (16L) è stato pubblicato da LINE Corporation,Tohoku University, nel paese registrato come Japan, durante June 2022. La categoria sotto cui rientra l'editore è industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Question answering.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.
Addestramento e provenienza
Il run di addestramento ha consumato circa 2.8 × 10¹⁹ FLOP, su hardware registrato come NVIDIA P100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 103,000,000 token di testo
Risposte
B2T connection (16L) — domande comuni
B2T connection (16L)— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
B2T connection (16L)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.8 × 10¹⁹ FLOP, su hardware registrato come NVIDIA P100. 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.
B2T connection (16L)— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
B2T connection (16L)— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
B2T connection (16L)— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
B2T connection (16L)— chi l'ha creato?
È stato pubblicato da LINE Corporation,Tohoku University, basato su Japan, un'organizzazione categorizzata come industry,Academia.
B2T connection (16L)— 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.
B2T connection (16L)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
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.