Stacked-LSTM+PruningNo
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 Electronic Science and Technology of China,Chinese University of Hong Kong (CUHK),Peng Cheng Laboratory
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- China, Hong Kong
- Pubblicato
- 17 June 2019
- Autori
- Liangjian Wen, Xuanyang Zhang, Haoli Bai, Zenglin Xu
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
- 6.2M
- Dati di addestramento
- tokens
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
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Citazioni
- 43
- Dati di benchmark
- Stacked-LSTM+Pruning
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Structured Pruning of Recurrent Neural Networks through Neuron Selection
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
Stacked-LSTM+PruningNo was published by University of Electronic Science and Technology of China,Chinese University of Hong Kong (CUHK),Peng Cheng Laboratory, in China, in June 2019. It comes out of academia,Academia,Academia.
Funziona in Lingua e viene registrato come modello di linguaggio.
Its weights were never published, so it can only be reached through its provider. No graphics card changes that.
Risposte
Stacked-LSTM+PruningNo — domande comuni
What GPU do I need to run Stacked-LSTM+PruningNo?
None. Stacked-LSTM+PruningNo 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 Stacked-LSTM+PruningNo open source?
No. Stacked-LSTM+PruningNo has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Stacked-LSTM+PruningNo have?
Stacked-LSTM+PruningNo has 6.2M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Stacked-LSTM+PruningNo?
Stacked-LSTM+PruningNo was published by University of Electronic Science and Technology of China,Chinese University of Hong Kong (CUHK),Peng Cheng Laboratory, based in China, categorised as academia,Academia,Academia.
When was Stacked-LSTM+PruningNo released?
Stacked-LSTM+PruningNo 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 Stacked-LSTM+PruningNo used for?
Stacked-LSTM+PruningNo works in Language, and is recorded as handling language modeling. These are the areas it was designed around; they describe intent rather than a hard boundary.
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.