GPT-Neo-125M (finetuned)
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
- EleutherAI
- Tipo di organizzazione
- Research collective
- Paese
- United States of America
- Pubblicato
- 21 March 2021
- Autori
- Sid Black, Leo Gao, Phil Wang, Connor Leahy, Stella Biderman, Michael Santacroce, Zixin Wen, Yelong Shen, Yuanzhi 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/generation
- Modello di base
- GPT-Neo-125M
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
- 125M
- 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
- Open source
MIT for code. don't see model weights for finetune: https://github.com/EleutherAI/gpt-neo
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Dati di benchmark
- GPT-Neo-125M(finetuned),GPT-Neo-125M(finetuned)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- GPT-Neo: Large Scale Autoregressive Language Modeling with Mesh-Tensorflow, What Matters In The Structured Pruning of Generative Language Models?
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Informazioni su questo modello
GPT-Neo-125M (finetuned) è stato pubblicato da EleutherAI, nel paese registrato come United States of America, durante March 2021. La categoria sotto cui rientra l'editore è research collective.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation.
Costruisce su GPT-Neo-125M. È per questo che condivide la forma e le dimensioni generali del modello base.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Risposte
GPT-Neo-125M (finetuned) — domande comuni
GPT-Neo-125M (finetuned)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
GPT-Neo-125M (finetuned)— 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-Neo-125M (finetuned)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GPT-Neo-125M (finetuned)— quanti parametri ha?
Ha un numero di parametri di 125M. 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-Neo-125M (finetuned)— chi l'ha creato?
È stato pubblicato da EleutherAI, basato su United States of America, un'organizzazione categorizzata come research collective.
GPT-Neo-125M (finetuned)— quando è stato rilasciato?
È stato pubblicato in March 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.