Subformer (122M)
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
- National Institute of Advanced Industrial Science and Technology (AIST),University of Tokyo
- Tipo di organizzazione
- Academia,Academia
- Paese
- Japan
- Pubblicato
- 1 January 2021
- Autori
- Machel Reid, Edison Marrese-Taylor, Yutaka Matsuo
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
- 122M
- Dati di addestramento
- tokens
- Epoche
- 70.29
- Dimensione del Batch
- 24,576
122M (Table 5)
"we use 8 GPUs with 3072 tokens per GPU and an update frequency of 3" "warming up the learning rate to 1.0 for 16K iterations, and then annealing for 270K iterations" 8*3072*286000/100000000 = 70.29 epochs
8*3072
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
- 5.1 × 10¹⁸ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP/token/parameter * 122000000 parameters * 8 GPUs * 3072 tokens per batch per GPU * 286000 steps = 5.1450348e+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
- NVIDIA V100
- Chip utilizzati
- 8
- Consumo energetico
- 4.9 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
code, but not for language modeling: https://github.com/machelreid/subformer/blob/master/README.md
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 60
- Dati di benchmark
- Subformer (122M)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Subformer: Exploring Weight Sharing for Parameter Efficiency in Generative Transformers
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
Subformer (122M) è stato pubblicato da National Institute of Advanced Industrial Science and Technology (AIST),University of Tokyo, nel paese registrato come Japan, durante January 2021. La categoria sotto cui rientra l'editore è academia,Academia.
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 run di addestramento ha consumato circa 5.1 × 10¹⁸ FLOP, su hardware registrato come NVIDIA V100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Subformer (122M) — domande comuni
Subformer (122M)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 5.1 × 10¹⁸ FLOP, su hardware registrato come NVIDIA V100. 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.
Subformer (122M)— 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.
Subformer (122M)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Subformer (122M)— quanti parametri ha?
Ha un numero di parametri di 122M. 122M (Table 5). 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.
Subformer (122M)— chi l'ha creato?
È stato pubblicato da National Institute of Advanced Industrial Science and Technology (AIST),University of Tokyo, basato su Japan, un'organizzazione categorizzata come academia,Academia.
Subformer (122M)— 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.
Subformer (122M)— 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.
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.