SqueezeBERT
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of California (UC) Berkeley
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 10 June 2020
- Autori
- Forrest N. Iandola, Albert E. Shaw, Ravi Krishna, Kurt W. Keutzer
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Text autocompletion
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Parametri
- 51.1M
- Dati di addestramento
- tokens
Rados
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Citations
- 140
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- SqueezeBERT: What can computer vision teach NLP about efficient neural networks?
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Where it came from
SqueezeBERT was published by University of California (UC) Berkeley, in United States of America, in June 2020. It comes out of academia.
It works in Language, and is recorded as doing text autocompletion.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda grafica cambia ciò.
Risposte
SqueezeBERT — Domande frequenti
Is SqueezeBERT open source?
The licensing for SqueezeBERT was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does SqueezeBERT have?
SqueezeBERT ha 51,1M parametri. Rados. Quella cifra è il totale, e determina quanta memoria necessita il modello — circa mezzo gigabyte per miliardo nella compressione più utilizzata dalle persone.
Who created SqueezeBERT?
SqueezeBERT was published by University of California (UC) Berkeley, based in United States of America, categorised as academia.
When was SqueezeBERT released?
SqueezeBERT was published in June 2020. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is SqueezeBERT used for?
SqueezeBERT works in Language, and is recorded as handling text autocompletion. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run SqueezeBERT?
None. SqueezeBERT is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.