Zoneout + Variational LSTM (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
- MetaMind Inc,Salesforce
- Tipo di organizzazione
- Industry,Industry
- Paese
- United States of America
- Pubblicato
- 26 September 2016
- Autori
- Stephen Merity, Caiming Xiong, James Bradbury, Richard Socher
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
- 21M
- Dati di addestramento
- 2,000,000 tokens
- Epoche
- 64
21M (Table 3)
"We also halve the learning rate when validation perplexity is worse than the previous iteration, stopping training when validation perplexity fails to improve for three epochs or when 64 epochs are reached"
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
- 1.6 × 10¹⁶ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 21000000 parameters * 2000000 tokens * 64 epochs = 1.6128e+16 FLOP
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 Tesla K80
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
- Confident
- Citazioni
- 4,010
- Dati di benchmark
- Zoneout + Variational LSTM (WT2)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Pointer Sentinel Mixture Models
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Zoneout + Variational LSTM (WT2) è stato pubblicato da MetaMind Inc,Salesforce, nel paese registrato come United States of America, durante September 2016. L'organizzazione di pubblicazione è classificata come industry,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.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1.6 × 10¹⁶ FLOP, su hardware registrato come NVIDIA Tesla K80. 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 2,000,000 token di testo
Risposte
Zoneout + Variational LSTM (WT2) — domande comuni
Zoneout + Variational LSTM (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.
Zoneout + Variational LSTM (WT2)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Zoneout + Variational LSTM (WT2)— quanti parametri ha?
Ha un numero di parametri di 21M. 21M (Table 3). 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.
Zoneout + Variational LSTM (WT2)— chi l'ha creato?
È stato pubblicato da MetaMind Inc,Salesforce, basato su United States of America, un'organizzazione categorizzata come industry,Industry.
Zoneout + Variational LSTM (WT2)— quando è stato rilasciato?
È stato pubblicato in September 2016. 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.
Zoneout + Variational LSTM (WT2)— 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.
Zoneout + Variational LSTM (WT2)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.6 × 10¹⁶ FLOP, su hardware registrato come NVIDIA Tesla K80. 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.
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.