Constituency-Tree LSTM
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
- MetaMind Inc,Stanford University
- Organisatietype
- Industry,Academia
- Land
- United States of America
- Gepubliceerd
- 28 February 2015
- Auteurs
- KS Tai, R Socher, CD Manning
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Semantic embedding
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
- 205.2K
- Training gegevens
- 319,000 tokens
Table 1 https://arxiv.org/abs/1503.00075
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.
- Citaties
- 3,248
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Improved Semantic Representations From Tree-Structured Long Short-Term Memory Networks
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Waar het vandaan kwam
Constituency-Tree LSTM werd gepubliceerd door MetaMind Inc,Stanford University, in het land geregistreerd als United States of America, tijdens February 2015. De publicerende organisatie is geclassificeerd als industry,Academia.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van semantic embedding.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Wat erin ging zitten om het te bouwen
Het is getraind op een corpus van ongeveer 319,000 tekstokens
Antwoorden
Constituency-Tree LSTM — veelgestelde vragen
Constituency-Tree LSTM— 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.
Constituency-Tree LSTM— hoeveel parameters heeft het?
Het heeft een parameter telling van 205.2K. Table 1 https://arxiv.org/abs/1503.00075. 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.
Constituency-Tree LSTM— wie heeft het gemaakt?
Het werd gepubliceerd door MetaMind Inc,Stanford University, gebaseerd op United States of America, een organisatie geclassificeerd als industry,Academia.
Constituency-Tree LSTM— wanneer is het uitgebracht?
Het werd gepubliceerd in February 2015. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Constituency-Tree LSTM— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van semantic embedding. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Constituency-Tree LSTM— 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.
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.