Tensorized Transformer (257M)
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
- Tianjin University,Microsoft Research Asia,Beijing Institute of Technology
- Tipo di organizzazione
- Academia,Industry,Academia
- Paese
- China
- Pubblicato
- 24 June 2019
- Autori
- Xindian Ma, Peng Zhang, Shuai Zhang, Nan Duan, Yuexian Hou, Ming Zhou, Dawei Song
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling/generation
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
- 257M
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 30
257M (Table 5)
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
- 4.8 × 10¹⁸ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 257000000 parameters * 103000000 tokens * 30 epochs = 4.76478e+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 P40
- Chip utilizzati
- 2
- Consumo energetico
- 1.0 kW
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 license: https://github.com/szhangtju/The-compression-of-Transformer
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 194
- Dati di benchmark
- Tensorized Transformer (257M)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- A Tensorized Transformer for Language Modeling
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
Tensorized Transformer (257M) è stato pubblicato da Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, nel paese registrato come China, durante June 2019. L'organizzazione di pubblicazione è classificata come academia,Industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il run di addestramento ha consumato circa 4.8 × 10¹⁸ FLOP, su hardware registrato come NVIDIA P40. 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 103,000,000 token di testo
Risposte
Tensorized Transformer (257M) — domande comuni
Tensorized Transformer (257M)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 4.8 × 10¹⁸ FLOP, su hardware registrato come NVIDIA P40. 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.
Tensorized Transformer (257M)— 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.
Tensorized Transformer (257M)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Tensorized Transformer (257M)— quanti parametri ha?
Ha un numero di parametri di 257M. 257M (Table 5). 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.
Tensorized Transformer (257M)— chi l'ha creato?
È stato pubblicato da Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, basato su China, un'organizzazione categorizzata come academia,Industry,Academia.
Tensorized Transformer (257M)— quando è stato rilasciato?
È stato pubblicato in June 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.
Tensorized Transformer (257M)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
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.