LSTM-Char-Large
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
- Harvard University,New York University (NYU)
- Tipo di organizzazione
- Academia,Academia
- Paese
- United States of America
- Pubblicato
- 26 August 2015
- Autori
- Yoon Kim, Yacine Jernite, David Sontag, Alexander M. Rush
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
- 19M
- Dati di addestramento
- 929,000 tokens
- Epoche
- 25
19M (Table 3)
25 epochs based on code (https://github.com/yoonkim/lstm-char-cnn/blob/master/main.lua) and "We train for 25 epochs on non-Arabic and 30 epochs on Arabic data (which was sufficient for convergence)"
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
- 2.7 × 10¹⁵ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 19000000 parameters * 929000 tokens * 25 epochs = 2.64765e+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
- Open source
code, MIT license: https://github.com/yoonkim/lstm-char-cnn
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 2,033
- Dati di benchmark
- LSTM-Char-Large
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Character-Aware Neural Language Models
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
LSTM-Char-Large è stato pubblicato da Harvard University,New York University (NYU), nel paese registrato come United States of America, durante August 2015. L'organizzazione di pubblicazione è classificata come 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.
Addestramento e provenienza
Il run di addestramento ha consumato circa 2.7 × 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
LSTM-Char-Large — domande comuni
LSTM-Char-Large— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.7 × 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.
LSTM-Char-Large— 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.
LSTM-Char-Large— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
LSTM-Char-Large— quanti parametri ha?
Ha un numero di parametri di 19M. 19M (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.
LSTM-Char-Large— chi l'ha creato?
È stato pubblicato da Harvard University,New York University (NYU), basato su United States of America, un'organizzazione categorizzata come academia,Academia.
LSTM-Char-Large— quando è stato rilasciato?
È stato pubblicato in August 2015. 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.
LSTM-Char-Large— 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.
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.