AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
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
- IBM
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 14 August 2018
- Autori
- Siddhartha Brahma
Cosa fa
Le aree problematiche per cui è stato progettato 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 la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 60.9M
- Dati di addestramento
- 929,000 tokens
- Epoche
- 1,200
10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800
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
- 4.1 × 10¹⁷ FLOP
Forward flop: 2*60852800=121705600 FLOP: 1200*121705600*3*929000=4.0703221e+17
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.
- Record fiducia
- Likely
- Dati di benchmark
- AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Improved Language Modeling by Decoding the Past
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Da dove è venuto
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB) è stato pubblicato da IBM, nel paese registrato come United States of America, durante August 2018. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
Il run di addestramento ha consumato circa 4.1 × 10¹⁷ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 929,000 token di testo
Risposte
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB) — domande comuni
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— chi l'ha creato?
È stato pubblicato da IBM, basato su United States of America, un'organizzazione categorizzata come industry.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— quando è stato rilasciato?
È stato pubblicato in August 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+PDR + dynamic evaluation (PTB)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 4.1 × 10¹⁷ 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.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— 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+PDR + dynamic evaluation (PTB)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
AWD-LSTM-MoS+PDR + dynamic evaluation (PTB)— quanti parametri ha?
Ha un numero di parametri di 60.9M. 10k vocabulary "For the mixture-of-softmax model, we use a 3-layer LSTM with dimensions 960, 960 and 620, embedding dimension of 280 and 15 experts for PTB" Embedding: 10000*280=2800000 Unembedding: 10000*280*15=42000000 LSTM 1: 4*(280+960)*960=4761600 LSTM 2: 4*(960+960)*960=7372800 LSTM 3: 4*(960+620)*620=3918400 Total: 2800000+42000000+4761600+7372800+3918400=60852800. 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.
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.