R-Transformer
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
- Michigan State University,TAL Education Group (Xueersi)
- Tipo di organizzazione
- Academia,Industry
- Paese
- United States of America, China
- Pubblicato
- 12 July 2019
- Autori
- Zhiwei Wang, Yao Ma, Zitao Liu, Jiliang Tang
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
- 15.8M
- Dati di addestramento
- 912,344 tokens
- Epoche
- 100
https://colab.research.google.com/drive/1afDpFvO3Dtry2Mdg8C1aUBV_sMF7LGb7?usp=sharing
default number of epochs in the code: https://github.com/DSE-MSU/R-transformer/tree/master/language_word
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
- 8.6 × 10¹⁵ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 15800000 parameters * 912344 tokens * 100 epochs = 8.6490211e+15 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 (non-commercial)
code, no clear license: https://github.com/DSE-MSU/R-transformer/tree/master/language_word
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 116
- Dati di benchmark
- R-Transformer
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- R-Transformer: Recurrent Neural Network Enhanced Transformer
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
R-Transformer è stato pubblicato da Michigan State University,TAL Education Group (Xueersi), nel paese registrato come United States of America, durante July 2019. L'organizzazione di pubblicazione è classificata come academia,Industry.
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 run di addestramento ha consumato circa 8.6 × 10¹⁵ 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
R-Transformer — domande comuni
R-Transformer— 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.
R-Transformer— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
R-Transformer— quanti parametri ha?
Ha un numero di parametri di 15.8M. https://colab.research.google.com/drive/1afDpFvO3Dtry2Mdg8C1aUBV_sMF7LGb7?usp=sharing. 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.
R-Transformer— chi l'ha creato?
È stato pubblicato da Michigan State University,TAL Education Group (Xueersi), basato su United States of America, un'organizzazione categorizzata come academia,Industry.
R-Transformer— quando è stato rilasciato?
È stato pubblicato in July 2019. 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.
R-Transformer— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
R-Transformer— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 8.6 × 10¹⁵ 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.
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.