GPT3-6.7B + muP
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
- Microsoft,OpenAI
- Tipo di organizzazione
- Industry,Industry
- Paese
- United States of America
- Pubblicato
- 7 March 2022
- Autori
- Greg Yang, Edward J. Hu, Igor Babuschkin, Szymon Sidor, Xiaodong Liu, David Farhi, Nick Ryder, Jakub Pachocki, Weizhu Chen, Jianfeng Gao
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
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
- 6.7B
- Dati di addestramento
- 300,000,000,000 tokens
- Epoche
- 1
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
- 1.3 × 10²² FLOP
- Come è stato stabilito
- Comparison with other models,Operation counting
- Addestramento fine
- 8.4 × 10²⁰ FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 1.07 = 1.284e+22 FLOP 6 FLOP / parameter / token * 6660000000 parameters * 300000000000 tokens = 1.1988 × 10^22 FLOP
"we outperform published numbers of the 6.7B GPT-3 model, with tuning cost only 7% of total pretraining cost." GPT-3 6.7B reported training compute is 1.2e+22 FLOP 1.2e+22 FLOP * 0.07 = 8.4e+20 FLOP
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
their repo is open: https://github.com/microsoft/mup The technique is open, not the model. GPT-3 isn't open so it wouldn't be possible for people to recreate GPT-3 + muP with this code
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 262
- Dati di benchmark
- GPT3-6.7B + muP
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Tensor Programs V: Tuning Large Neural Networks via Zero-Shot Hyperparameter Transfer
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
GPT3-6.7B + muP è stato pubblicato da Microsoft,OpenAI, nel paese registrato come United States of America, durante March 2022. L'organizzazione di pubblicazione è classificata come industry,Industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
La produzione di esso ha richiesto un'aritmetica totale di circa 1.3 × 10²² FLOP. 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 300,000,000,000 token di testo
Risposte
GPT3-6.7B + muP — domande comuni
GPT3-6.7B + muP— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
GPT3-6.7B + muP— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.3 × 10²² FLOP. 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.
GPT3-6.7B + muP— 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.
GPT3-6.7B + muP— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GPT3-6.7B + muP— quanti parametri ha?
Ha un numero di parametri di 6.7B. 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.
GPT3-6.7B + muP— chi l'ha creato?
È stato pubblicato da Microsoft,OpenAI, basato su United States of America, un'organizzazione categorizzata come industry,Industry.
GPT3-6.7B + muP— quando è stato rilasciato?
È stato pubblicato in March 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.
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.