Tensorized Transformer (large PTB)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su 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 costruito 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 il valore che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
- Epoche
- 30
Il training run
Cosa è stato fisicamente necessario per addestrare: quali chip, quanti, per quanto tempo e cosa ha richiesto dalla rete elettrica.
- Hardware di addestramento
- NVIDIA P40
- Chips used
- 2
- Consumo energetico
- 1.0 kW
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Registrare fiducia
- Confident
- Citazioni
- 194
- Benchmark data
- Tensorized Transformer (large PTB)
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
Informazioni su questo modello
Tensorized Transformer (large PTB) was published by Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, in China, in June 2019. academia,Industry,Academia is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling, Translation.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Risposte
Tensorized Transformer (large PTB) — Domande frequenti
What GPU do I need to run Tensorized Transformer (large PTB)?
None. Tensorized Transformer (large PTB) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Tensorized Transformer (large PTB) open source?
No. Tensorized Transformer (large PTB) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Tensorized Transformer (large PTB) have?
No parameter count has been published for Tensorized Transformer (large PTB), which is why no memory or speed figure appears on this page.
Who created Tensorized Transformer (large PTB)?
Tensorized Transformer (large PTB) was published by Tianjin University,Microsoft Research Asia,Beijing Institute of Technology, based in China, categorised as academia,Industry,Academia.
When was Tensorized Transformer (large PTB) released?
Tensorized Transformer (large PTB) was published in June 2019. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Tensorized Transformer (large PTB) used for?
Tensorized Transformer (large PTB) works in Language, and is recorded as handling language modeling, Translation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.