Transformer-XL + AutoDropout (PTB)
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
- Google Research
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 5 January 2021
- Autori
- Hieu Pham, Quoc V. Le
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
- 24M
- Dati di addestramento
- tokens
- Epoche
- 192
"We use the same model size as specified by Dai et al. (2019)."
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
- 5.8 × 10¹⁶ FLOP
"We train every configuration from scratch for 160,000 steps, using a batch size of 16 and a segment length of 70" Total tokens: 160000*16*70=179200000 Epochs: 179200000/929000=192 Training flop: 6*24000000*179200000=2.58048e+16 GPU hour estimate: 40*60*4*45000000000000*0.3=1.296e+17 Geometric mean: 57829941034035304
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 v2
- Chip utilizzati
- 4
- Tempo di parete
- 1 hours
- Consumo energetico
- 2.3 kW
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
404: https://github.com/google-research/google-research/tree/master/auto_dropout
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 63
- Dati di benchmark
- Transformer-XL + AutoDropout (PTB)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- AutoDropout: Learning Dropout Patterns to Regularize Deep Networks
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
Transformer-XL + AutoDropout (PTB) è stato pubblicato da Google Research, nel paese registrato come United States of America, durante January 2021. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 5.8 × 10¹⁶ FLOP, su hardware registrato come Google TPU v2. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Transformer-XL + AutoDropout (PTB) — domande comuni
Transformer-XL + AutoDropout (PTB)— chi l'ha creato?
È stato pubblicato da Google Research, basato su United States of America, un'organizzazione categorizzata come industry.
Transformer-XL + AutoDropout (PTB)— quando è stato rilasciato?
È stato pubblicato in January 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.
Transformer-XL + AutoDropout (PTB)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Transformer-XL + AutoDropout (PTB)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 5.8 × 10¹⁶ FLOP, su hardware registrato come Google TPU v2. 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-XL + AutoDropout (PTB)— 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-XL + AutoDropout (PTB)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Transformer-XL + AutoDropout (PTB)— quanti parametri ha?
Ha un numero di parametri di 24M. "We use the same model size as specified by Dai et al. (2019).". 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.