base LM+GNN (WT103)
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
- Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU)
- Tipo di organizzazione
- Industry,Academia,Academia,Academia
- Paese
- China, Singapore
- Pubblicato
- 17 October 2021
- Autori
- Yuxian Meng, Shi Zong, Xiaoya Li, Xiaofei Sun, Tianwei Zhang, Fei Wu, Jiwei Li
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
- Modello di base
- Transformer (Adaptive Input Embeddings) WT103
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
- 247M
- Dati di addestramento
- 103,000,000 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
- Open source
MIT: https://github.com/ShannonAI/GNN-LM
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 46
- Dati di benchmark
- base LM+GNN
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- GNN-LM: Language Modeling based on Global Contexts via GNN
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
base LM+GNN (WT103) è stato pubblicato da Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU), nel paese registrato come China, durante October 2021. Esce da un'organizzazione categorizzata come industry,Academia,Academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Il suo punto di partenza era un modello di base esistente, Transformer (Adaptive Input Embeddings) WT103. Quello è il modo abituale in cui viene prodotto un modello specializzato.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il set di addestramento si aggirava attorno a 103,000,000 token di testo
Risposte
base LM+GNN (WT103) — domande comuni
base LM+GNN (WT103)— quando è stato rilasciato?
È stato pubblicato in October 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.
base LM+GNN (WT103)— 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.
base LM+GNN (WT103)— 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.
base LM+GNN (WT103)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
base LM+GNN (WT103)— quanti parametri ha?
Ha un numero di parametri di 247M. 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.
base LM+GNN (WT103)— chi l'ha creato?
È stato pubblicato da Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU), basato su China, un'organizzazione categorizzata come industry,Academia,Academia,Academia.
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.