AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)
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
- Peking University,Microsoft Research Asia
- Tipo di organizzazione
- Academia,Industry
- Paese
- China
- Pubblicato
- 18 September 2018
- Autori
- Chengyue Gong, Di He, Xu Tan, Tao Qin, Liwei Wang, Tie-Yan Liu
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling, Translation, Text classification
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
- 35M
- Dati di addestramento
- 2,000,000 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
- Open (non-commercial)
code, no license: https://github.com/ChengyueGongR/Frequency-Agnostic
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
- 152
- Dati di benchmark
- AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)
"Specifically, in language modeling and machine translation, we achieve better performance than the state-of-the-art results on PTB, WT2 and WMT14 English-German datasets."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- FRAGE: Frequency-Agnostic Word Representation
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Da dove è venuto
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018) è stato pubblicato da Peking University,Microsoft Research Asia, nel paese registrato come China, durante September 2018. L'organizzazione di pubblicazione è classificata come academia,Industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling, Translation, Text classification.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
Il set di addestramento si aggirava attorno a 2,000,000 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018) — domande comuni
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— quanti parametri ha?
Ha un numero di parametri di 35M. 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— chi l'ha creato?
È stato pubblicato da Peking University,Microsoft Research Asia, basato su China, un'organizzazione categorizzata come academia,Industry.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— quando è stato rilasciato?
È stato pubblicato in September 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.
AWD-LSTM-MoS + dynamic evaluation (WT2, 2018)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling, Translation, Text classification. 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.
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.