NLP from scratch
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
- NEC Laboratories,Princeton University
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America
- Pubblicato
- 8 November 2011
- Autori
- Ronan Collobert, J. Weston, L. Bottou, Michael Karlen, K. Kavukcuoglu, P. Kuksa
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language Structure 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
- 5M
- Dati di addestramento
- 852,000,000 tokens
"The capacity of our network architectures lies mainly in the word lookup table, which contains 50 × 100,000 parameters to train. [...] most of the trainable parameters are located in the lookup tables."
"Section 4 leverages large unlabeled data sets (∼ 852 million words)"
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Tempo di parete
- 72 hours
"Chunking and NER take about one hour to train, POS takes few hours, and SRL takes about three days." SRL is the longest task.
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
- 7,640
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Natural Language Processing (Almost) from Scratch
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
NLP from scratch è stato pubblicato da NEC Laboratories,Princeton University, nel paese registrato come United States of America, durante November 2011. Esce da un'organizzazione categorizzata come industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language Structure Modeling.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
L'addestramento ha consumato un corpus di circa 852,000,000 token di testo
Il suo criterio di inclusione: highly cited.
Risposte
NLP from scratch — domande comuni
NLP from scratch— 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.
NLP from scratch— 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.
NLP from scratch— quanti parametri ha?
Ha un numero di parametri di 5M. "The capacity of our network architectures lies mainly in the word lookup table, which contains 50 × 100,000 parameters to train. [...] most of the trainable parameters are located in the lookup tables.". 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.
NLP from scratch— chi l'ha creato?
È stato pubblicato da NEC Laboratories,Princeton University, basato su United States of America, un'organizzazione categorizzata come industry,Academia.
NLP from scratch— quando è stato rilasciato?
È stato pubblicato in November 2011. 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.
NLP from scratch— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language Structure Modeling. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
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.