LSTM LM
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
- RWTH Aachen University
- Tipo di organizzazione
- Academia
- Paese
- Germany
- Pubblicato
- 9 September 2012
- Autori
- M. Sundermeyer, R. Schlüter, H. Ney
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
- 102.7M
- Dati di addestramento
- 27,000,000 tokens
Multiple models were trained, the largest on transcribed French podcast data. "We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data" "Corpus sizes in number of running words; the vocabulary size of the Treebank corpus is 10 K, for Quaero French it is 170 K" Embedding and unembedding: 2*170000*300=102000000 LSTM: 4*600*300=720000 Total: 102000000+720000=102720000=1.03e8 (Assuming the embedding dimension is the same as the LSTM layer)
"We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data."
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
- 1.7 × 10¹⁶ FLOP
- Come è stato stabilito
- Operation counting
FLOP per input for LSTM layer is 4*2*(M+N)*M, for N inputs and M outputs. Embedding FLOPs: 2 * 170000 * 300 = 102,000,000 LSTM FLOPs: 4 * 2 * (300 + 300) * 300 = 1,440,000 Unembedding FLOPs: 2 * 170000 * 300 = 102,000,000 Total: 205,440,000 FLOPs per word per forward pass For 27M training input words and including backward passes: 27M * 3 * 205,440,000 = 1.66e16 However, it sounds like they're doing something with a secondary acoustic model, so this may be an underestimate.
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
- Record fiducia
- Speculative
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- LSTM Neural Networks for Language Modeling
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
LSTM LM è stato pubblicato da RWTH Aachen University, nel paese registrato come Germany, durante September 2012. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Come è stato addestrato
La produzione di esso ha richiesto un'aritmetica totale di circa 1.7 × 10¹⁶ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 27,000,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited.
Risposte
LSTM LM — domande comuni
LSTM LM— 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.
LSTM LM— quanti parametri ha?
Ha un numero di parametri di 102.7M. Multiple models were trained, the largest on transcribed French podcast data. "We trained an LSTM LM using 300 hidden nodes and 27 M running words of indomain training data" "Corpus sizes in number of running words; the vocabulary size of the Treebank corpus is 10 K, for Quaero French it is 170 K" Embedding and unembedding: 2*170000*300=102000000 LSTM: 4*600*300=720000 Total: 102000000+720000=102720000=1.03e8 (Assuming the embedding dimension is the same as the LSTM layer). 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 LM— chi l'ha creato?
È stato pubblicato da RWTH Aachen University, basato su Germany, un'organizzazione categorizzata come academia.
LSTM LM— quando è stato rilasciato?
È stato pubblicato in September 2012. 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 LM— 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.
LSTM LM— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.7 × 10¹⁶ 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 LM— 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.
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.