Fine-tuned-AWD-LSTM-DOC (fin)
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
- Samsung R&D Institute Russia
- Tipo di organizzazione
- Industry
- Paese
- Russia
- Pubblicato
- 12 November 2018
- Autori
- Vadim Popov, Mikhail Kudinov
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
- Modello di base
- AWD-LSTM-DOC (fin) (23M)
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
- 46M
- Dati di addestramento
- 1,044,112 tokens
- Epoche
- 15
This is the model trained on Penn Treebank, which uses as a base model the 23M model from Table 7 in https://aclanthology.org/D18-1489.pdf They additionally train a discriminator with the same architecture, so total parameters is 2*23M = 46M
Per https://arxiv.org/pdf/1904.04733: "The most common split of this corpus, where sections from 0 to 18 are used for training (38 219 sentences, 912 344 tokens), sections from 19 to 21 are used for validation (5 527 sentences, 131 768 tokens), and sections from 22 to 24 are used for testing (5 462 sentences, 129 654 tokens)." So dev set is 912,344 + 131768 = 1,044,112
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
- 5.2 × 10¹⁶ FLOP
- Come è stato stabilito
- Operation counting
Base model uses 4.323e16 FLOPs. They then train a discriminator using the same architecture for 30 epochs, and then use the discriminator to fine-tune the base model for another 15 epochs. Both of these latter training steps require running forward passes on both the discriminator and the language model, but only doing a backward pass on one of them. Discriminator training: 2*23M*30*1044112 + 6*23M*30*1044112 = 5.763e15 LM fine-tuning: 2*23M*15*1044112 + 6*23M*15*1044112 = 2.882e15 Total: 4.…
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.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 2
- Dati di benchmark
- Fine-tuned-AWD-LSTM-DOC(fin)
"The novel approach that we propose allows us to reach state-of-theart quality on Penn Treebank: perplexity decreases from 52.4 to 52.1."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Fine-tuning of Language Models with Discriminator
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Cosa è questo modello
Fine-tuned-AWD-LSTM-DOC (fin) è stato pubblicato da Samsung R&D Institute Russia, nel paese registrato come Russia, durante November 2018. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Costruisce su AWD-LSTM-DOC (fin) (23M). Quello è il modo abituale in cui viene prodotto un modello specializzato.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Come è stato addestrato
La produzione di esso ha richiesto un'aritmetica totale di circa 5.2 × 10¹⁶ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 1,044,112 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.
Risposte
Fine-tuned-AWD-LSTM-DOC (fin) — domande comuni
Fine-tuned-AWD-LSTM-DOC (fin)— quando è stato rilasciato?
È stato pubblicato in November 2018. 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.
Fine-tuned-AWD-LSTM-DOC (fin)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Fine-tuned-AWD-LSTM-DOC (fin)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 5.2 × 10¹⁶ FLOP. 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.
Fine-tuned-AWD-LSTM-DOC (fin)— 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.
Fine-tuned-AWD-LSTM-DOC (fin)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Fine-tuned-AWD-LSTM-DOC (fin)— quanti parametri ha?
Ha un numero di parametri di 46M. This is the model trained on Penn Treebank, which uses as a base model the 23M model from Table 7 in https://aclanthology.org/D18-1489.pdf They additionally train a discriminator with the same architecture, so total parameters is 2*23M = 46M. 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.
Fine-tuned-AWD-LSTM-DOC (fin)— chi l'ha creato?
È stato pubblicato da Samsung R&D Institute Russia, basato su Russia, un'organizzazione categorizzata come industry.
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.