GPT-2 (AMPS)
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- University of California (UC) Berkeley
- Organisatietype
- Academia
- Land
- United States of America
- Gepubliceerd
- 8 November 2021
- Auteurs
- Dan Hendrycks, Collin Burns, Saurav Kadavath, Akul Arora, Steven Basart, Eric Tang, Dawn Song, Jacob Steinhardt
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Mathematics, Language
- Taak
- Language modeling/generation, Quantitative reasoning
- Basis model
- GPT-2 (1.5B)
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 1.5M
- Training gegevens
- tokens
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Hoe het werd opgericht
- Hardware
- Fijn-tuning compute
- 6.5 × 10¹⁹ FLOP
8 GPUs * 24 hours * 3600 sec / hour * 311.84 * 10^12 FLOP / sec * 0.3 [assumed utilization] = 64663142400000000000 FLOP
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100
- Gebruikte chips
- 8
- Kloktijd
- 24 hours
- Stroomverbruik
- 6.5 kW
Models are trained with 8 A100 GPUs, each requiring less than a day. Unless otherwise specified, for GPT-2 we use the default HuggingFace (Wolf et al., 2020) generation parameters, except that we use beam search.
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Speculative
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Measuring Mathematical Problem Solving With the MATH Dataset
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Over dit model
GPT-2 (AMPS) werd gepubliceerd door University of California (UC) Berkeley, in het land geregistreerd als United States of America, tijdens November 2021. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Mathematics, Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Quantitative reasoning.
Het bouwt voort op GPT-2 (1.5B). Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Antwoorden
GPT-2 (AMPS) — veelgestelde vragen
GPT-2 (AMPS)— hoeveel parameters heeft het?
Het heeft een parameter telling van 1.5M. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
GPT-2 (AMPS)— wie heeft het gemaakt?
Het werd gepubliceerd door University of California (UC) Berkeley, gebaseerd op United States of America, een organisatie geclassificeerd als academia.
GPT-2 (AMPS)— wanneer is het uitgebracht?
Het werd gepubliceerd in November 2021. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
GPT-2 (AMPS)— waarvoor wordt het gebruikt?
Het werkt in het domein van Mathematics, Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Quantitative reasoning. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
GPT-2 (AMPS)— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
GPT-2 (AMPS)— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.