Transformer-XL + AutoDropout (PTB)
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
- Google Research
- Organisatietype
- Industry
- Land
- United States of America
- Gepubliceerd
- 5 January 2021
- Auteurs
- Hieu Pham, Quoc V. Le
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling
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
- 24M
- Training gegevens
- tokens
- Epochs
- 192
"We use the same model size as specified by Dai et al. (2019)."
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.
- Training rekenen
- 5.8 × 10¹⁶ FLOP
"We train every configuration from scratch for 160,000 steps, using a batch size of 16 and a segment length of 70" Total tokens: 160000*16*70=179200000 Epochs: 179200000/929000=192 Training flop: 6*24000000*179200000=2.58048e+16 GPU hour estimate: 40*60*4*45000000000000*0.3=1.296e+17 Geometric mean: 57829941034035304
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- Google TPU v2
- Gebruikte chips
- 4
- Kloktijd
- 1 hours
- Stroomverbruik
- 2.3 kW
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Unreleased
404: https://github.com/google-research/google-research/tree/master/auto_dropout
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
- Confident
- Citaties
- 63
- Benchmarkgegevens
- Transformer-XL + AutoDropout (PTB)
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- AutoDropout: Learning Dropout Patterns to Regularize Deep Networks
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Achtergrond
Transformer-XL + AutoDropout (PTB) werd gepubliceerd door Google Research, in het land geregistreerd als United States of America, tijdens January 2021. Het komt uit een organisatie gecategoriseerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Hoe het getraind werd
Training kostte een rekensbudget van ongeveer 5.8 × 10¹⁶ FLOP, op hardware vastgelegd als Google TPU v2. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
Transformer-XL + AutoDropout (PTB) — veelgestelde vragen
Transformer-XL + AutoDropout (PTB)— wie heeft het gemaakt?
Het werd gepubliceerd door Google Research, gebaseerd op United States of America, een organisatie geclassificeerd als industry.
Transformer-XL + AutoDropout (PTB)— wanneer is het uitgebracht?
Het werd gepubliceerd in January 2021. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Transformer-XL + AutoDropout (PTB)— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
Transformer-XL + AutoDropout (PTB)— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 5.8 × 10¹⁶ FLOP, op hardware vastgelegd als Google TPU v2. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
Transformer-XL + AutoDropout (PTB)— 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.
Transformer-XL + AutoDropout (PTB)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Transformer-XL + AutoDropout (PTB)— hoeveel parameters heeft het?
Het heeft een parameter telling van 24M. "We use the same model size as specified by Dai et al. (2019).". 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.
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.