$\infty$-former (SM)
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
- Universidade de Lisboa (ULisboa),DeepMind
- Tipo di organizzazione
- Academia,Industry
- Paese
- Portugal, United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 1 September 2021
- Autori
- Pedro Henrique Martins, Zita Marinho, André F. T. Martins
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
- Modello di base
- GPT-2 (124M)
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
- 124M
- Dati di addestramento
- 200,000,000 tokens
- Epoche
- 1
assuming same as the base model GPT-2 small
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
- 1.2 × 10²² FLOP
- Come è stato stabilito
- Operation counting
- Addestramento fine
- 1.5 × 10¹⁷ FLOP
7.936 × 10^20 FLOP [base model compute estimation, "Speculative" confidence] + 1.488e+17 FLOP [fine-tune compute] = 7.937488e+20 FLOP
"To understand if long-term memories can be used to extend a pre-trained language model, we fine-tune GPT-2 small (Radford et al., 2019) on Wikitext103 (Merity et al., 2017) and a subset of PG-19 (Rae et al., 2019) containing the first 2,000 books (≈ 200 million tokens) of the training set" 6 FLOP / token / parameter * 124000000 parameters * 200000000 tokens * 1 epoch = 1.488e+17 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 GeForce RTX 2080 Ti 11GB
- Chip utilizzati
- 1
- Consumo energetico
- 277 W
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 (non-commercial)
fine-tune code (this is a GPT-2 finetune), no clear license: https://github.com/deep-spin/infinite-former
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Speculative
- Citazioni
- 31
- Dati di benchmark
- $\infty$-former (SM)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- $\infty$-former: Infinite Memory Transformer
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Sfondo
$\infty$-former (SM) è stato pubblicato da Universidade de Lisboa (ULisboa),DeepMind, nel paese registrato come Portugal, durante September 2021. La categoria sotto cui rientra l'editore è academia,Industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation.
Il suo punto di partenza era un modello di base esistente, GPT-2 (124M). Quello è il modo abituale in cui viene prodotto un modello specializzato.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
La produzione di esso ha richiesto un'aritmetica totale di circa 1.2 × 10²² FLOP, su hardware registrato come NVIDIA GeForce RTX 2080 Ti 11GB. 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 200,000,000 token di testo
Risposte
$\infty$-former (SM) — domande comuni
$\infty$-former (SM)— quanti parametri ha?
Ha un numero di parametri di 124M. assuming same as the base model GPT-2 small. 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.
$\infty$-former (SM)— chi l'ha creato?
È stato pubblicato da Universidade de Lisboa (ULisboa),DeepMind, basato su Portugal, un'organizzazione categorizzata come academia,Industry.
$\infty$-former (SM)— quando è stato rilasciato?
È stato pubblicato in September 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.
$\infty$-former (SM)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation. 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.
$\infty$-former (SM)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.2 × 10²² FLOP, su hardware registrato come NVIDIA GeForce RTX 2080 Ti 11GB. 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.
$\infty$-former (SM)— 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.
$\infty$-former (SM)— 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.