WDC20 / DLWP
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 Washington,Microsoft Research
- Tipo di organizzazione
- Academia,Industry
- Paese
- United States of America
- Pubblicato
- 15 March 2020
- Autori
- Jonathan A. Weyn, Dale R. Durran, Rich Caruana
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Earth science
- Compito
- Weather forecasting
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
- 672.1K
- Dati di addestramento
- tokens
- Epoche
- 100
Table 1
"we train for a minimum of 100 epochs followed by early stopping conditioned on the validation set loss"
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
- 2.4 × 10¹⁸ FLOP
- Come è stato stabilito
- Hardware
31330000000000 FLOP / GPU/ sec [Tesla V100] * 1 GPU * 72 hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.4362208e+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 Tesla V100 DGXS 32 GB
- Chip utilizzati
- 1
- Tempo di parete
- 72 hours
- Consumo energetico
- 281 W
2–3 days for training on a single NVidia Tesla V100 GPU
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
GPL-3 https://github.com/jweyn/DLWP-CS
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Improving data-driven global weather prediction using deep convolutional neural networks on a cubed sphere
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
WDC20 / DLWP è stato pubblicato da University of Washington,Microsoft Research, nel paese registrato come United States of America, durante March 2020. Esce da un'organizzazione categorizzata come academia,Industry.
Funziona nel dominio di Earth science, ed è registrato come eseguire il compito di weather forecasting.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
Il training ha richiesto un budget di calcolo di circa 2.4 × 10¹⁸ FLOP, su hardware registrato come NVIDIA Tesla V100 DGXS 32 GB. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
WDC20 / DLWP — domande comuni
WDC20 / DLWP— quando è stato rilasciato?
È stato pubblicato in March 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.
WDC20 / DLWP— A cosa serve?
Funziona nel dominio di Earth science, e viene registrato come gestire il compito di weather forecasting. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
WDC20 / DLWP— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.4 × 10¹⁸ FLOP, su hardware registrato come NVIDIA Tesla V100 DGXS 32 GB. 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.
WDC20 / DLWP— 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.
WDC20 / DLWP— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
WDC20 / DLWP— quanti parametri ha?
Ha un numero di parametri di 672.1K. 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.
WDC20 / DLWP— chi l'ha creato?
È stato pubblicato da University of Washington,Microsoft Research, basato su United States of America, un'organizzazione categorizzata come academia,Industry.
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.