Transformer LM + MinSen

Pesi chiusi Chinese University of Hong Kong (CUHK) November 2021

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
Chinese University of Hong Kong (CUHK)
Tipo di organizzazione
Academia
Paese
Hong Kong
Pubblicato
29 November 2021
Autori
Junhao Xu, Shoukang Hu, Jianwei Yu, Xunying Liu, Helen Meng

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.

Dati di addestramento
tokens

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
Unknown
Citazioni
21
Dati di benchmark
Transformer LM + MinSen

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
Mixed Precision of Quantization of Transformer Language Models for Speech Recognition
Ultimo aggiornamento
25 May 2026

Cosa significano i numeri

Sfondo

Transformer LM + MinSen è stato pubblicato da Chinese University of Hong Kong (CUHK), nel paese registrato come Hong Kong, durante November 2021. Esce da un'organizzazione categorizzata come academia.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.

I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.

Risposte

Transformer LM + MinSen — domande comuni

01

Transformer LM + MinSen— 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.

02

Transformer LM + MinSen— è open-source?

No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.

03

Transformer LM + MinSen— 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.

04

Transformer LM + MinSen— chi l'ha creato?

È stato pubblicato da Chinese University of Hong Kong (CUHK), basato su Hong Kong, un'organizzazione categorizzata come academia.

05

Transformer LM + MinSen— 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.

06

Transformer LM + MinSen— 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 25 May 2026

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.