DLRM-2022
Geen schatting
Geen hardwarevereisten 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 zijn aanbieder, en geen enkele grafische kaart verandert dat..
Opname
Volledige specificatie
Alles op record voor dit model. Het meeste beschrijft hoe het is getraind 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..
Origine
Wie heeft dit model gebouwd, waar, en wanneer het is gepubliceerd.
- Organisatie
- Organisatietype
- Industry
- Land
- United States of America
- Gepubliceerd
- 15 September 2021
- Vertalers
- D Mudigere, Y Hao, J Huang, A Tulloch
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk dragen.
- Domein
- Recommendation
- Model/modelen kunnen niet passen in de GPU VRAM. Tight = bijna uitvoerbaar, comfortabel = draait eenvoudig met ruimte. Wat AI-model kan de GPU draaien?
- Recommender system
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het past op een bepaalde grafische kaart.
- Parameters
- 3T
- Training gegevens
- tokens
Figure 1 https://arxiv.org/abs/2104.05158
Trainingsberekeningen
De rekensom die is uitgevoerd om het model te trainen, gemeten in drijvende-komma-bewerkingen. Het is een maat voor de kosten van de trainingsrun, niet voor hoe snel het voltooide model je antwoorden geeft.
- Trainingsberekeningen
- 1.1 × 10²¹ FLOP
- Hoe het is vastgesteld
- Reported
Figure 1 https://arxiv.org/abs/2104.05158
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA Tesla V100 DGXS 32 GB,NVIDIA A100
Beschikbaarheid
Of u het model kunt verkrijgen en het op uw eigen hardware kunt draaien, wat bepaalt of een van de specificaties van de GPU op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Model toegang
- Unreleased
- Training code
- Unreleased
Hoe het is geclassificeerd
Labels die op de bron-dataset van toepassing zijn bij het volgen van opvallende modellen, en hoe zeker het is van de invoer.
- Model/modellen past niet / past niet.
- Confident
- Model/modellen passen niet / zal niet passen. Te krap / comfortabel. GPU kan het AI-model draaien.
- 197
Bronnen
Waar deze registratie vandaan komt en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Software-Hardware Co-design for Fast and Scalable Training of Deep Learning Recommendation Models
- Laatste update
- 25 May 2026
Wat de getallen betekenen
Wat dit model is
DLRM-2022 was published by Facebook, in United States of America, in September 2021. It comes out of industry.
It works in Recommendation, and is recorded as doing recommender system.
Dit is een gesloten model: de getrainde waarden bleven bij degene die ze geproduceerd heeft, en er is geen lokale versie om te draaien.
Hoe het werd getraind
Producing it required around 1.1 × 10²¹ FLOP of arithmetic, on NVIDIA Tesla V100 DGXS 32 GB,NVIDIA A100, which is a statement about the training budget rather than about inference.
Antwoorden
DLRM-2022 — Voor veelgebruikte vragen
When was DLRM-2022 released?
DLRM-2022 was published in September 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is DLRM-2022 used for?
DLRM-2022 works in Recommendation, and is recorded as handling recommender system. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train DLRM-2022?
Around 1.1 × 10²¹ FLOP, on NVIDIA Tesla V100 DGXS 32 GB,NVIDIA A100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run DLRM-2022?
None. DLRM-2022 is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is DLRM-2022 open source?
No. DLRM-2022 has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does DLRM-2022 have?
DLRM-2022 has 3T parameters. Figure 1 https://arxiv.org/abs/2104.05158. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created DLRM-2022?
DLRM-2022 was published by Facebook, based in United States of America, categorised as industry.
Bron
Model/modelen kunnen niet passen in de GPU VRAM. Tight = nauwelijks uitvoerbaar, comfortabel = draait gemakkelijk met ruimte. Welke AI model kan de GPU draaien? 25 May 2026
De andere richting
Kijk je er van de andere kant naar?
Deze pagina begint bij het model. Als je al een kaart hebt en alles wilt weten wat het kan draaien., model/modellen draait/draaien past niet/past niet goed strak = nauwelijks uitvoerbaar, comfortabel = draait gemakkelijk met speling.