Subformer (83M)
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 Tokyo,National Institute of Advanced Industrial Science and Technology (AIST)
- 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/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
- 83M
- Dati di addestramento
- tokens
- Epoche
- 70.29
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
- 3.5 × 10¹⁸ FLOP
- Come è stato stabilito
- Operation counting
"Warming up the learn- ing rate to 1.0 for 16K iterations, and then an- nealing for 270K iterations using a cosine anneal- ing schedule" "When training our lan- guage models, we use 8 GPUs with 3072 tokens per GPU and an update frequency of 3" 286k iterations Effective batch size: 8*3072=24576 Total training tokens: 286000*24576=7028736000 Training FLOP: 6*7028736000*83000000=3.5003105e+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 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
- Likely
- Citazioni
- 60
- Dati di benchmark
- Subformer (83M)
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
Da dove è venuto
Subformer (83M) è stato pubblicato da University of Tokyo,National Institute of Advanced Industrial Science and Technology (AIST), nel paese registrato come Japan, durante January 2021. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Translation.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
Il training ha richiesto un budget di calcolo di circa 3.5 × 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 (83M) — domande comuni
Subformer (83M)— chi l'ha creato?
È stato pubblicato da University of Tokyo,National Institute of Advanced Industrial Science and Technology (AIST), basato su Japan, un'organizzazione categorizzata come academia,Academia.
Subformer (83M)— 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 (83M)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Translation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Subformer (83M)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 3.5 × 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 (83M)— 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 (83M)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Subformer (83M)— quanti parametri ha?
Ha un numero di parametri di 83M. 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.