2-layer-LSTM+Deep-Gradient-Compression
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
- Tsinghua University,Stanford University,NVIDIA
- Tipo di organizzazione
- Academia,Academia,Industry
- Paese
- China, United States of America
- Pubblicato
- 5 December 2017
- Autori
- Yujun Lin, Song Han, Huizi Mao, Yu Wang, William J. Dally
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
- Formato numerico
- FP32
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
- 6M
- Dati di addestramento
- 929,000 tokens
- Epoche
- 40
Here is a summary of the calculations to determine the number of parameters in the 2-layer LSTM model with Deep Gradient Compression described in the paper: Model has 2 LSTM layers with 1500 hidden units each For an LSTM layer: W matrix: number of hidden units * input dimension U matrix: number of hidden units * number of hidden units 4 bias vectors with size = number of hidden units So params per LSTM layer = hidden_units * (input_dim + hidden_units + 4) For layer 1: Input dim is word embe…
" The warm-up period is 1 epoch out of 40 epochs"
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
- 1.3 × 10¹⁵ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 6020000 parameters ['Likely' confidence] * 929000 tokens * 40 epochs = 1.3422192e+15 FLOP
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 code for language modeling: https://github.com/synxlin/deep-gradient-compression
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 1,627
- Dati di benchmark
- 2-layer-LSTM+Deep-Gradient-Compression
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Deep Gradient Compression: Reducing the Communication Bandwidth for Distributed Training
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
2-layer-LSTM+Deep-Gradient-Compression è stato pubblicato da Tsinghua University,Stanford University,NVIDIA, nel paese registrato come China, durante December 2017. Esce da un'organizzazione categorizzata come academia,Academia,Industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 1.3 × 10¹⁵ FLOP. 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 929,000 token di testo
Risposte
2-layer-LSTM+Deep-Gradient-Compression — domande comuni
2-layer-LSTM+Deep-Gradient-Compression— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
2-layer-LSTM+Deep-Gradient-Compression— quanti parametri ha?
Ha un numero di parametri di 6M. Here is a summary of the calculations to determine the number of parameters in the 2-layer LSTM model with Deep Gradient Compression described in the paper: Model has 2 LSTM layers with 1500 hidden units each For an LSTM layer: W matrix: number of hidden units * input dimension U matrix: number of hidden units * number of hidden units 4 bias vectors with size = number of hidden units So params per LSTM layer = hidden_units * (input_dim + hidden_units + 4) For layer 1: Input dim is word embedding size (estimated 300) Params = 1500 * (300 + 1500 + 4) = 1,512,000 For layer 2: Input is previous layer output (1500) Params = 1500 * (1500 + 1500 + 4) = 4,506,000 Total Params = Layer 1 + Layer 2 = 1,512,000 + 4,506,000 = 6,018,000 The Deep Gradient Compression technique does not change number of parameters. So total parameters for the model is approximately 6 million. 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.
2-layer-LSTM+Deep-Gradient-Compression— chi l'ha creato?
È stato pubblicato da Tsinghua University,Stanford University,NVIDIA, basato su China, un'organizzazione categorizzata come academia,Academia,Industry.
2-layer-LSTM+Deep-Gradient-Compression— quando è stato rilasciato?
È stato pubblicato in December 2017. 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.
2-layer-LSTM+Deep-Gradient-Compression— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. 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.
2-layer-LSTM+Deep-Gradient-Compression— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.3 × 10¹⁵ 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.
2-layer-LSTM+Deep-Gradient-Compression— 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.
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.