RFA-GATE-Gaussian-Stateful Big
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 Washington,DeepMind,Allen Institute for AI,Hebrew University of Jerusalem,The University of Hong Kong
- Tipo di organizzazione
- Academia,Industry,Research collective,Academia,Academia
- Paese
- United States of America, United Kingdom of Great Britain and Northern Ireland, Israel, Hong Kong
- Pubblicato
- 3 March 2021
- Autori
- Hao Peng, Nikolaos Pappas, Dani Yogatama, Roy Schwartz, Noah A. Smith, Lingpeng Kong
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, Translation
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
- 242M
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 47.72
- Dimensione del Batch
- 32,768
242m
"All models are trained for up to 150K gradient steps " batch size 64 "All models use a 512 block size during both training and evaluation, i.e., they read as input a segment of 512 consecutive tokens, without access to the context from previous mini-batches." 512*64*150000/103000000 = 47.72
512*64
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
- 7.1 × 10¹⁸ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 242000000 parameters * 512 tokens per sample * 64 samples per batch * 150000 steps = 7.1368704e+18 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
- Google TPU v3
- Chip utilizzati
- 16
- Tempo di parete
- 3 hours
- Consumo energetico
- 14.6 kW
7.1368704e+18 FLOP [estimated compute] / (123000000000000 FLOP / s * 16 GPUs * 3600 sec / hour * 0.3 [assumed precision]) = 3.36 hours
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
- Confident
- Citazioni
- 430
- Dati di benchmark
- RFA-GATE-Gaussian-Stateful Big
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Random Feature Attention
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
RFA-GATE-Gaussian-Stateful Big è stato pubblicato da University of Washington,DeepMind,Allen Institute for AI,Hebrew University of Jerusalem,The University of Hong Kong, nel paese registrato come United States of America, durante March 2021. La categoria sotto cui rientra l'editore è academia,Industry,Research collective,Academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Translation.
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 7.1 × 10¹⁸ FLOP, su hardware registrato come Google TPU v3. 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
RFA-GATE-Gaussian-Stateful Big — domande comuni
RFA-GATE-Gaussian-Stateful Big— chi l'ha creato?
È stato pubblicato da University of Washington,DeepMind,Allen Institute for AI,Hebrew University of Jerusalem,The University of Hong Kong, basato su United States of America, un'organizzazione categorizzata come academia,Industry,Research collective,Academia,Academia.
RFA-GATE-Gaussian-Stateful Big— 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.
RFA-GATE-Gaussian-Stateful Big— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Translation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
RFA-GATE-Gaussian-Stateful Big— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 7.1 × 10¹⁸ FLOP, su hardware registrato come Google TPU v3. 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.
RFA-GATE-Gaussian-Stateful Big— 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.
RFA-GATE-Gaussian-Stateful Big— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
RFA-GATE-Gaussian-Stateful Big— quanti parametri ha?
Ha un numero di parametri di 242M. 242m. 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.
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.