GloVe (32B)
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
- Stanford University
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 1 January 2014
- Autori
- J Pennington, R Socher, CD Manning
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Semantic embedding
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
- 120M
- Dati di addestramento
- 315,209,597 tokens
400k vocab * 300 vector dimensions
"We trained our model on five corpora of varying sizes: a 2010 Wikipedia dump with 1 billion tokens; a 2014 Wikipedia dump with 1.6 billion tokens; Gigaword 5 which has 4.3 billion tokens; the combination Gigaword5 + Wikipedia2014, which has 6 billion tokens; and on 42 billion tokens of web data, from Common Crawl [To demonstrate the scalability of the model, we also trained it on a much larger sixth corpus, containing 840 billion tokens of web data, but in this case we did not lowercase the vo…
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
- Citazioni
- 30,643
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- GloVe: Global Vectors for Word Representation
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Sfondo
GloVe (32B) è stato pubblicato da Stanford University, nel paese registrato come United States of America, durante January 2014. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di semantic embedding.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
È stato addestrato su un corpus di circa 315,209,597 token di testo
Il suo criterio di inclusione: highly cited.
Risposte
GloVe (32B) — domande comuni
GloVe (32B)— 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.
GloVe (32B)— 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.
GloVe (32B)— quanti parametri ha?
Ha un numero di parametri di 120M. 400k vocab * 300 vector dimensions. 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.
GloVe (32B)— chi l'ha creato?
È stato pubblicato da Stanford University, basato su United States of America, un'organizzazione categorizzata come academia.
GloVe (32B)— quando è stato rilasciato?
È stato pubblicato in January 2014. 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.
GloVe (32B)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di semantic embedding. 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.