ConvS2S (ensemble of 8 models)
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
- Meta AI
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 25 July 2017
- Autori
- Jonas Gehring, Michael Auli, David Grangier, Denis Yarats, Yann N. Dauphin
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.
- Dati di addestramento
- 1,183,333,333 tokens
2.8M + 4.5M + 35.5M + 3.8M = 46.6M We consider three major WMT translation tasks as well as a text summarization task. WMT’16 English-Romanian. We use the same data and pre-processing as Sennrich et al. (2016b) but remove sentences with more than 175 words. This results in 2.8M sentence pairs for training and we evaluate on newstest2016.2 WMT’14 English-German. We use the same setup as Luong et al. (2015) which comprises 4.5M sentence pairs for training and we test on newstest2014. WMT’14 En…
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
- 5.6 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
All models are implemented in Torch (Collobert et al., 2011) and trained on a single Nvidia M40 GPU except for WMT’14 English-French for which we use a multi-GPU setup on a single machine. We train on up to eight GPUs synchronously by maintaining copies of the model on each card and split the batch so that each worker computes 1/8-th of the gradients; at the end we sum the gradients via Nvidia NCCL. 1. English-Romanian: "Training took between 6 and 7.5 days on a single GPU." 7 days * 24 * 3600 …
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 M40
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited,SOTA improvement
- Record fiducia
- Likely
"We achieve a new state of the art on several public translation benchmark data sets. On the WMT’16 EnglishRomanian task we outperform the previous best result by 1.9 BLEU, on WMT’14 English-French translation we improve over the LSTM model of Wu et al. (2016) by 1.6 BLEU in a comparable setting, and on WMT’14 EnglishGerman translation we ouperform the same model by 0.5 BLEU"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Convolutional Sequence to Sequence Learning
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Cosa è questo modello
ConvS2S (ensemble of 8 models) è stato pubblicato da Meta AI, nel paese registrato come United States of America, durante July 2017. L'organizzazione di pubblicazione è classificata come industry.
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.
Addestramento e provenienza
Il training ha richiesto un budget di calcolo di circa 5.6 × 10¹⁹ FLOP, su hardware registrato come NVIDIA M40. 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 1,183,333,333 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited,SOTA improvement.
Risposte
ConvS2S (ensemble of 8 models) — domande comuni
ConvS2S (ensemble of 8 models)— quando è stato rilasciato?
È stato pubblicato in July 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.
ConvS2S (ensemble of 8 models)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di translation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
ConvS2S (ensemble of 8 models)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 5.6 × 10¹⁹ FLOP, su hardware registrato come NVIDIA M40. 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.
ConvS2S (ensemble of 8 models)— 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.
ConvS2S (ensemble of 8 models)— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
ConvS2S (ensemble of 8 models)— 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.
ConvS2S (ensemble of 8 models)— chi l'ha creato?
È stato pubblicato da Meta AI, basato su United States of America, un'organizzazione categorizzata come industry.
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.