SDE

Pesi chiusi Carnegie Mellon University (CMU),Google Brain,Monash University February 2019

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
Carnegie Mellon University (CMU),Google Brain,Monash University
Tipo di organizzazione
Academia,Industry,Academia
Paese
United States of America, Australia
Pubblicato
9 February 2019
Autori
Xinyi Wang, Hieu Pham, Philip Arthur, Graham Neubig

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Language
Compito
Translation

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.

Dati di addestramento
tokens

"The batch size is set to be 1500 words. We evaluate by development set BLEU score for every 2500 training batches"

La corsa di addestramento

Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.

Fornitore di cloud
Amazon Web Services

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)

https://github.com/cindyxinyiwang/SDE

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Perché è monitorato
SOTA improvement

"Experiments on a standard dataset of four low-resource languages show consistent improvements over strong multilingual NMT baselines, with gains of up to 2 BLEU on one of the tested languages, achieving the new state-of-the-art on all four language pairs"

Record fiducia
Unknown

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
Multilingual Neural Machine Translation With Soft Decoupled Encoding
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Da dove è venuto

SDE è stato pubblicato da Carnegie Mellon University (CMU),Google Brain,Monash University, nel paese registrato come United States of America, durante February 2019. L'organizzazione di pubblicazione è classificata come academia,Industry,Academia.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di translation.

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 suo criterio di inclusione: sOTA improvement.

Risposte

SDE — domande comuni

01

SDE— quanti parametri ha?

Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.

02

SDE— chi l'ha creato?

È stato pubblicato da Carnegie Mellon University (CMU),Google Brain,Monash University, basato su United States of America, un'organizzazione categorizzata come academia,Industry,Academia.

03

SDE— quando è stato rilasciato?

È stato pubblicato in February 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.

04

SDE— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di translation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

05

SDE— 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.

06

SDE— è open-source?

No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

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.