3-Layer-Tensor-Transformer+AdaHessian
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 California (UC) Berkeley,NERSC, Lawrence Berkeley National Laboratory
- Tipo di organizzazione
- Academia,Government
- Paese
- United States of America
- Pubblicato
- 1 June 2020
- Autori
- Zhewei Yao, Amir Gholami, Sheng Shen, Mustafa Mustafa, Kurt Keutzer, Michael W. Mahoney
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling, 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.
- Dati di addestramento
- tokens
- Epoche
- 30
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
- Open source
MIT for code. doesn't have training script for PTB but looks fairly adaptable: https://github.com/amirgholami/ADAHESSIAN
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 365
- Dati di benchmark
- 3-Layer-Tensor-Transformer+AdaHessian
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ADAHESSIAN: An Adaptive Second Order Optimizer for Machine Learning
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
3-Layer-Tensor-Transformer+AdaHessian è stato pubblicato da University of California (UC) Berkeley,NERSC, Lawrence Berkeley National Laboratory, nel paese registrato come United States of America, durante June 2020. L'organizzazione di pubblicazione è classificata come academia,Government.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling, Translation.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
3-Layer-Tensor-Transformer+AdaHessian — domande comuni
3-Layer-Tensor-Transformer+AdaHessian— 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.
3-Layer-Tensor-Transformer+AdaHessian— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
3-Layer-Tensor-Transformer+AdaHessian— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
3-Layer-Tensor-Transformer+AdaHessian— chi l'ha creato?
È stato pubblicato da University of California (UC) Berkeley,NERSC, Lawrence Berkeley National Laboratory, basato su United States of America, un'organizzazione categorizzata come academia,Government.
3-Layer-Tensor-Transformer+AdaHessian— quando è stato rilasciato?
È stato pubblicato in June 2020. 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.
3-Layer-Tensor-Transformer+AdaHessian— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling, Translation. 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.