Transformer-C
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
- University of Massachusetts Amherst
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 8 April 2021
- Autori
- Simeng Sun, Mohit Iyyer
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.
- parametri
- 148M
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 19.88
- Dimensione del Batch
- 10,240
148M, Table 6
Table 7 steps 200k batch size 10240 10240 * 200000 / 103000000 = 19.88 epochs
table 7
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
- 1.9 × 10¹⁸ FLOP
- Come è stato stabilito
- Operation counting,Hardware
6 FLOP / token / parameter * 148000000 parameters * 10240 tokens per batch * 200000 steps = 1.818624e+18 FLOP 11340000000000 FLOP / sec [assumed fp32] * 4 GPUs * 40 hours * 3600 sec/ hour * 0.3 [assumed precision] = 1.959552e+18 FLOP geometric mean: sqrt(1.818624e+18*1.959552e+18) = 1.8877734e+18
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 GTX 1080 Ti
- Chip utilizzati
- 4
- Tempo di parete
- 40 hours
- Consumo energetico
- 2.0 kW
table 7
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
permissive license, BSD-3: https://github.com/SimengSun/revisit-nplm
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 16
- Dati di benchmark
- Transformer-C
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Revisiting Simple Neural Probabilistic Language Models
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Transformer-C è stato pubblicato da University of Massachusetts Amherst, nel paese registrato come United States of America, durante April 2021. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1.9 × 10¹⁸ FLOP, su hardware registrato come NVIDIA GeForce GTX 1080 Ti. 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
Transformer-C — domande comuni
Transformer-C— 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.
Transformer-C— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.9 × 10¹⁸ FLOP, su hardware registrato come NVIDIA GeForce GTX 1080 Ti. 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.
Transformer-C— 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.
Transformer-C— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Transformer-C— quanti parametri ha?
Ha un numero di parametri di 148M. 148M, 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.
Transformer-C— chi l'ha creato?
È stato pubblicato da University of Massachusetts Amherst, basato su United States of America, un'organizzazione categorizzata come academia.
Transformer-C— quando è stato rilasciato?
È stato pubblicato in April 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.
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.