ONLSTM-SYD
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
- Westlake University,Institute for Advanced Study,McGill University,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),CIFAR AI Research,University of Montreal / Université de Montréal
- Tipo di organizzazione
- Academia,Academia,Academia,Academia,Research collective,Academia
- Paese
- China, United States of America, Canada
- Pubblicato
- 12 May 2020
- Autori
- Wenyu Du, Zhouhan Lin, Yikang Shen, Timothy J. O'Donnell, Yoshua Bengio, Yue Zhang
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
- 25M
- Dati di addestramento
- 912,344 tokens
- Epoche
- 1,000
25M Table 1
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
- 1.4 × 10¹⁷ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 25 * 10^6 parameters * 912 344 tokens * 1000 epochs = 1.368516e+17 FLOP
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
BSD-3 license: https://github.com/wenyudu/SDLM
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 15
- Dati di benchmark
- ONLSTM-SYD
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Exploiting Syntactic Structure for Better Language Modeling: A Syntactic Distance Approach
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
ONLSTM-SYD è stato pubblicato da Westlake University,Institute for Advanced Study,McGill University,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),CIFAR AI Research,University of Montreal / Université de Montréal, nel paese registrato come China, durante May 2020. Esce da un'organizzazione categorizzata come academia,Academia,Academia,Academia,Research collective,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.
Addestramento e provenienza
Il training ha richiesto un budget di calcolo di circa 1.4 × 10¹⁷ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 912,344 token di testo
Risposte
ONLSTM-SYD — domande comuni
ONLSTM-SYD— quanti parametri ha?
Ha un numero di parametri di 25M. 25M Table 1. 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.
ONLSTM-SYD— chi l'ha creato?
È stato pubblicato da Westlake University,Institute for Advanced Study,McGill University,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),CIFAR AI Research,University of Montreal / Université de Montréal, basato su China, un'organizzazione categorizzata come academia,Academia,Academia,Academia,Research collective,Academia.
ONLSTM-SYD— quando è stato rilasciato?
È stato pubblicato in May 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.
ONLSTM-SYD— 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.
ONLSTM-SYD— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.4 × 10¹⁷ FLOP. 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.
ONLSTM-SYD— 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.
ONLSTM-SYD— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.