GPT-2-Medium+Pixelfly
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
- Stanford University,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo
- Tipo di organizzazione
- Academia,Industry,Academia,Industry,Academia
- Paese
- United States of America, China
- Pubblicato
- 30 November 2021
- Autori
- Tri Dao, Beidi Chen, Kaizhao Liang, Jiaming Yang, Zhao Song, Atri Rudra, Christopher Ré
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling, Text 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
- 203M
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 100
203M (Table 6)
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 × 10¹⁹ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 203000000 parameters * 103000000 tokens * 100 epochs = 1.25454 × 10^19 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 V100
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 for code (train and inference): https://github.com/HazyResearch/fly train code: https://github.com/HazyResearch/fly/blob/master/src/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
- 94
- Dati di benchmark
- GPT-2-Medium+Pixelfly
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Pixelated Butterfly: Simple and Efficient Sparse training for Neural Network Models
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
GPT-2-Medium+Pixelfly è stato pubblicato da Stanford University,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo, nel paese registrato come United States of America, durante November 2021. La categoria sotto cui rientra l'editore è academia,Industry,Academia,Industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling, Text classification.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
Il run di addestramento ha consumato circa 1.3 × 10¹⁹ FLOP, su hardware registrato come NVIDIA V100. 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 103,000,000 token di testo
Risposte
GPT-2-Medium+Pixelfly — domande comuni
GPT-2-Medium+Pixelfly— quanti parametri ha?
Ha un numero di parametri di 203M. 203M (Table 6). 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-Medium+Pixelfly— chi l'ha creato?
È stato pubblicato da Stanford University,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo, basato su United States of America, un'organizzazione categorizzata come academia,Industry,Academia,Industry,Academia.
GPT-2-Medium+Pixelfly— quando è stato rilasciato?
È stato pubblicato in November 2021. 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.
GPT-2-Medium+Pixelfly— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling, Text classification. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
GPT-2-Medium+Pixelfly— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.3 × 10¹⁹ FLOP, su hardware registrato come 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-Medium+Pixelfly— 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-Medium+Pixelfly— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.