Multipop Adaptive Continuous Stack (WT2)
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
- DeepMind,University of Oxford
- Tipo di organizzazione
- Industry,Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 15 February 2018
- Autori
- Dani Yogatama, Yishu Miao, Gabor Melis, Wang Ling, Adhiguna Kuncoro, Chris Dyer, Phil Blunsom
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
- 26M
- Dati di addestramento
- 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
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Citazioni
- 63
- Dati di benchmark
- Multipop Adaptive Continuous Stack (WT2)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Memory Architectures in Recurrent Neural Network Language Models
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Cosa è questo modello
Multipop Adaptive Continuous Stack (WT2) è stato pubblicato da DeepMind,University of Oxford, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante February 2018. L'organizzazione di pubblicazione è classificata come industry,Academia.
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.
Risposte
Multipop Adaptive Continuous Stack (WT2) — domande comuni
Multipop Adaptive Continuous Stack (WT2)— 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.
Multipop Adaptive Continuous Stack (WT2)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Multipop Adaptive Continuous Stack (WT2)— quanti parametri ha?
Ha un numero di parametri di 26M. 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.
Multipop Adaptive Continuous Stack (WT2)— chi l'ha creato?
È stato pubblicato da DeepMind,University of Oxford, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come industry,Academia.
Multipop Adaptive Continuous Stack (WT2)— quando è stato rilasciato?
È stato pubblicato in February 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.
Multipop Adaptive Continuous Stack (WT2)— 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.
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.