Transformer + Simple Recurrent Unit
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
- ASAPP,Cornell University,Google,Princeton University
- Tipo di organizzazione
- Industry,Academia,Industry,Academia
- Paese
- United States of America
- Pubblicato
- 17 September 2018
- Autori
- Tao Lei, Yu Zhang, Sida I. Wang, Hui Dai, Yoav Artzi
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.
- parametri
- 90M
- Dati di addestramento
- 112,500,000 tokens
- Epoche
- 40
5-layer model, Table 3
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
- 1.1 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
"We use a single NVIDIA Tesla V100 GPU for each model. The published results were obtained using 8 GPUs in parallel, which provide a large effective batch size during training. To approximate the setup, we update the model parameters every 5×5120 tokens and use 16,000 warm-up steps following OpenNMT suggestions. We train each model for 40 epochs (250,000 steps), and perform 3 independent trials for each model configuration. A single run takes about 3.5 days with a Tesla V100 GPU." 125 trillion …
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA V100
- Chip utilizzati
- 8
- Consumo energetico
- 5.0 kW
- Costo di calcolo
- $45
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
repo, but no training code for translation: https://github.com/taolei87/sru
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
- 306
"We use the state-of-the-art Transformer model of Vaswani et al. (2017) as our base architecture... When SRU is incorporated into the architecture, both the 4-layer and 5-layer model outperform the Transformer base model"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Simple Recurrent Units for Highly Parallelizable Recurrence
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Transformer + Simple Recurrent Unit è stato pubblicato da ASAPP,Cornell University,Google,Princeton University, nel paese registrato come United States of America, durante September 2018. La categoria sotto cui rientra l'editore è industry,Academia,Industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di translation.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
Il training ha richiesto un budget di calcolo di circa 1.1 × 10¹⁹ FLOP, su hardware registrato come NVIDIA V100. 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 112,500,000 token di testo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
Transformer + Simple Recurrent Unit — domande comuni
Transformer + Simple Recurrent Unit— quanti parametri ha?
Ha un numero di parametri di 90M. 5-layer model, Table 3. 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.
Transformer + Simple Recurrent Unit— chi l'ha creato?
È stato pubblicato da ASAPP,Cornell University,Google,Princeton University, basato su United States of America, un'organizzazione categorizzata come industry,Academia,Industry,Academia.
Transformer + Simple Recurrent Unit— 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.
Transformer + Simple Recurrent Unit— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di translation. 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.
Transformer + Simple Recurrent Unit— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.1 × 10¹⁹ FLOP, su hardware registrato come NVIDIA V100. 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.
Transformer + Simple Recurrent Unit— 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.
Transformer + Simple Recurrent Unit— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.