TF-LM-discourse LSTM (PTB)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
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
- ESAT - PSI
- Tipo di organizzazione
- Academia
- Paese
- Belgium
- Pubblicato
- 1 May 2018
- Autori
- Lyan Verwimp, Hugo Van hamme, Patrick Wambacq
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.
- Dati di addestramento
- tokens
- Epoche
- 39
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
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Open source
code and weights, MIT license: https://github.com/lverwimp/tf-lm
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Unknown
- Citazioni
- 12
- Dati di benchmark
- TF-LM-discourse LSTM (PTB)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- TF-LM: TensorFlow-based Language Modeling Toolkit
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Sfondo
TF-LM-discourse LSTM (PTB) è stato pubblicato da ESAT - PSI, nel paese registrato come Belgium, durante May 2018. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere.
Risposte
TF-LM-discourse LSTM (PTB) — domande comuni
TF-LM-discourse LSTM (PTB)— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
TF-LM-discourse LSTM (PTB)— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
TF-LM-discourse LSTM (PTB)— 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.
TF-LM-discourse LSTM (PTB)— chi l'ha creato?
È stato pubblicato da ESAT - PSI, basato su Belgium, un'organizzazione categorizzata come academia.
TF-LM-discourse LSTM (PTB)— quando è stato rilasciato?
È stato pubblicato in May 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.
TF-LM-discourse LSTM (PTB)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
TF-LM-discourse LSTM (PTB)— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
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.