2-layer skip-LSTM + dropout tuning (PTB)
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- DeepMind
- Organisatie type
- Industry
- Land
- United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 23 May 2018
- Auteurs
- Gábor Melis, Charles Blundell, Tomáš Kočiský, Karl Moritz Hermann, Chris Dyer, Phil Blunsom
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Language
- Taak
- Language modeling
- Base model
- AWD-LSTM
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Parameters
- 24M
- Opleidingsgegevens
- tokens
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
- Model toegang
- Unreleased
- Trainingscode
- Unreleased
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Confident
- Benchmark data
- 2-layer skip-LSTM + dropout tuning (PTB)
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Pushing the bounds of dropout
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Over dit model
2-layer skip-LSTM + dropout tuning (PTB) was published by DeepMind, in United Kingdom of Great Britain and Northern Ireland, in May 2018. industry is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling.
Its starting point was AWD-LSTM — most models at this scale are adapted from an existing base rather than built from nothing.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Antwoorden
2-layer skip-LSTM + dropout tuning (PTB) — Veelgestelde vragen
When was 2-layer skip-LSTM + dropout tuning (PTB) released?
2-layer skip-LSTM + dropout tuning (PTB) was published in May 2018. 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 2-layer skip-LSTM + dropout tuning (PTB) used for?
2-layer skip-LSTM + dropout tuning (PTB) works in Language, and is recorded as handling language modeling. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run 2-layer skip-LSTM + dropout tuning (PTB)?
None. 2-layer skip-LSTM + dropout tuning (PTB) 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 2-layer skip-LSTM + dropout tuning (PTB) open source?
No. 2-layer skip-LSTM + dropout tuning (PTB) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does 2-layer skip-LSTM + dropout tuning (PTB) have?
2-layer skip-LSTM + dropout tuning (PTB) has 24M parameters. 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 2-layer skip-LSTM + dropout tuning (PTB)?
2-layer skip-LSTM + dropout tuning (PTB) was published by DeepMind, based in United Kingdom of Great Britain and Northern Ireland, categorised as industry.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.