Sparse Transformer (Enwik8)
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
- OpenAI
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 23 April 2019
- Autori
- Rewon Child, Scott Gray, Alec Radford, Ilya Sutskever
Cosa fa
Le aree problematiche per cui è stato costruito 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 il valore che decide se si adatta a una determinata scheda grafica.
- Parametri
- 95M
- Dati di addestramento
- 90,000,000 tokens
- Epoche
- 80
95M
[tokens] " We trained with a context length of 12,288, which is longer than previous approaches. We trained on the first 90 million tokens and reserved the last 10 million for validation and test"
Addestramento computazionale
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto costato l'addestramento, non di quanto velocemente il modello finito ti risponde.
- Addestramento computazionale
- 4.1 × 10¹⁸ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 95000000 parameters * 90000000 tokens * 80 epochs = 4.104e+18 FLOP
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 V100
- Chips used
- 8
- Consumo energetico
- 4.9 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
- Open (non-commercial)
some primitives are released here, but not the entire training code: https://github.com/openai/sparse_attention no clear license "Normally, implementing sparse attention would involve slicing query and key matrices in blocks, so to ease experimentation we implemented a set of block-sparse kernels which efficiently perform these operations on the the GPU. We open-source these kernels and provide example sparse attention functions in this repository(opens in a new window)."
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Registrare fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Generating Long Sequences with Sparse Transformers
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Background
Sparse Transformer (Enwik8) was published by OpenAI, in United States of America, in April 2019. industry is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Come è stato addestrato
The training run consumed about 4.1 × 10¹⁸ FLOP, on NVIDIA V100. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
It was trained on about 90,000,000 tokens of text.
Risposte
Sparse Transformer (Enwik8) — Domande frequenti
What GPU do I need to run Sparse Transformer (Enwik8)?
None. Sparse Transformer (Enwik8) 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 Sparse Transformer (Enwik8) open source?
No. Sparse Transformer (Enwik8) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Sparse Transformer (Enwik8) have?
Sparse Transformer (Enwik8) has 95M parameters. 95M. 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 Sparse Transformer (Enwik8)?
Sparse Transformer (Enwik8) was published by OpenAI, based in United States of America, categorised as industry.
When was Sparse Transformer (Enwik8) released?
Sparse Transformer (Enwik8) was published in April 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 Sparse Transformer (Enwik8) used for?
Sparse Transformer (Enwik8) works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train Sparse Transformer (Enwik8)?
Around 4.1 × 10¹⁸ FLOP, on NVIDIA V100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
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.