BIG LSTM+CNN INPUTS
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
- Google Brain
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 11 February 2016
- Autori
- Rafal Jozefowicz, Oriol Vinyals, Mike Schuster, Noam Shazeer, Yonghui Wu
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
- 1B
- Dati di addestramento
- tokens
1.04B (Table 1)
"The experiments are performed on the 1B Word Benchmark data set introduced by (Chelba et al., 2013), which is a publicly available benchmark for measuring progress of statistical language modeling. The data set contains about 0.8B words with a vocabulary of 793471 words, including sentence boundary markers."
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 × 10²⁰ FLOP
- Come è stato stabilito
- Hardware,Operation counting
assuming (!) 10 days similarly to another model in the paper 240*3600*5046000000000*32*0.3 = 4.1853542e+19 assuming (!) 50 epochs similarly to another model in the paper 6*1.04*10^9*0.8*10^9*50 = 2.496e+20 sqrt(4.1853542e+19*2.496e+20) = 1.0220883e+20
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 K40s
- Chip utilizzati
- 32
- Chip-ore
- 240
- Consumo energetico
- 16.6 kW
- Costo di calcolo
- $71
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Modello Frontier
- Yes
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Exploring the Limits of Language Modeling
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
BIG LSTM+CNN INPUTS è stato pubblicato da Google Brain, nel paese registrato come United States of America, durante February 2016. Esce da un'organizzazione categorizzata come 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
La produzione di esso ha richiesto un'aritmetica totale di circa 1 × 10²⁰ FLOP, su hardware registrato come NVIDIA Tesla K40s. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
BIG LSTM+CNN INPUTS — domande comuni
BIG LSTM+CNN INPUTS— 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.
BIG LSTM+CNN INPUTS— 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.
BIG LSTM+CNN INPUTS— quanti parametri ha?
Ha un numero di parametri di 1B. 1.04B (Table 1). 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.
BIG LSTM+CNN INPUTS— chi l'ha creato?
È stato pubblicato da Google Brain, basato su United States of America, un'organizzazione categorizzata come industry.
BIG LSTM+CNN INPUTS— quando è stato rilasciato?
È stato pubblicato in February 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.
BIG LSTM+CNN INPUTS— 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.
BIG LSTM+CNN INPUTS— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1 × 10²⁰ FLOP, su hardware registrato come NVIDIA Tesla K40s. 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.