Byte-mLSTM+emb+WN+VD
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
- University of Edinburgh,Toyota Technological Institute at Chicago
- Tipo di organizzazione
- Academia,Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland, United States of America
- Pubblicato
- 26 September 2016
- Autori
- Ben Krause, Liang Lu, Iain Murray, Steve Renals
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
- 46M
- 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
code, but not for WT2: https://github.com/benkrause/mLSTM
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Citazioni
- 226
- Dati di benchmark
- Byte-mLSTM+emb+WN+VD
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Multiplicative LSTM for sequence modelling
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
Byte-mLSTM+emb+WN+VD è stato pubblicato da University of Edinburgh,Toyota Technological Institute at Chicago, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante September 2016. La categoria sotto cui rientra l'editore è academia,Academia.
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.
Risposte
Byte-mLSTM+emb+WN+VD — domande comuni
Byte-mLSTM+emb+WN+VD— quanti parametri ha?
Ha un numero di parametri di 46M. 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.
Byte-mLSTM+emb+WN+VD— chi l'ha creato?
È stato pubblicato da University of Edinburgh,Toyota Technological Institute at Chicago, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come academia,Academia.
Byte-mLSTM+emb+WN+VD— 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.
Byte-mLSTM+emb+WN+VD— 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.
Byte-mLSTM+emb+WN+VD— 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.
Byte-mLSTM+emb+WN+VD— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.