Neural cache model (size=2000)

Gesloten gewichten Facebook AI Research December 2016

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
Facebook AI Research
Organisatietype
Industry
Land
United States of America, France
Gepubliceerd
13 December 2016
Auteurs
Edouard Grave, Armand Joulin, Nicolas Usunier

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.

Training gegevens
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
Toegang tot model
Unreleased
Training code
Unreleased

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
Unknown
Citaties
308
Benchmarkgegevens
Neural cache model (size=2000)

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie
Improving Neural Language Models with a Continuous Cache
Laatst bijgewerkt
25 May 2026

Wat de cijfers betekenen

Over dit model

Neural cache model (size=2000) werd gepubliceerd door Facebook AI Research, in het land geregistreerd als United States of America, tijdens December 2016. De publicerende organisatie is geclassificeerd als industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling.

De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.

Antwoorden

Neural cache model (size=2000) — veelgestelde vragen

01

Neural cache model (size=2000)— is het open-source?

Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.

02

Neural cache model (size=2000)— hoeveel parameters heeft het?

Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.

03

Neural cache model (size=2000)— wie heeft het gemaakt?

Het werd gepubliceerd door Facebook AI Research, gebaseerd op United States of America, een organisatie geclassificeerd als industry.

04

Neural cache model (size=2000)— wanneer is het uitgebracht?

Het werd gepubliceerd in December 2016. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

05

Neural cache model (size=2000)— 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.

06

Neural cache model (size=2000)— 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.

Bron

Originele publicatie

Laatste update geregistreerd 25 May 2026

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.