BiLSTM for Speech
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
- IDSIA,Technical University of Munich
- Organisatietype
- Academia,Academia
- Land
- Switzerland, Germany
- Gepubliceerd
- 1 August 2005
- Auteurs
- A Graves, J Schmidhuber
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Speech
- Taak
- Speech recognition (ASR)
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
- 152.1K
- Training gegevens
- tokens
"The hidden layer sizes were chosen to ensure that all networks had roughly the same number of weights W (≈100,000). However, for the MLPs the network grew with the time-window size, and W varied between 22,061 and 152,061."
https://catalog.ldc.upenn.edu/LDC93s1 One sample utterance has around 10 words 3696 utterances * 10 words = around 37k words
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
- 2.4 × 10¹³ FLOP
- Hoe het werd opgericht
- Third-party estimation
Extracted from AI and Compute (https://openai.com/blog/ai-and-compute/) charts by using https://automeris.io/WebPlotDigitizer/. Forward FLOP: 2*200000=400000 Trained on 4158 utterances (TIMIT) "We found that large networks, of around 200,000 weights, gave good performance" TIMIT has around 5 hours total. Estimated utterance length: 5*60*60/(4620+1680)=2.86s The frame size was 5 ms Frames per utterance: 2.86/0.005=572 Training FLOP for one epoch: 3*400000*572*4158=2854051200000 Epochs unclear, …
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
- Likely
- Citaties
- 4,706
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Framewise phoneme classification with bidirectional LSTM and other neural network architectures
- Laatst bijgewerkt
- 1 January 2026
Wat de cijfers betekenen
Achtergrond
BiLSTM for Speech werd gepubliceerd door IDSIA,Technical University of Munich, in het land geregistreerd als Switzerland, tijdens August 2005. Het komt uit een organisatie gecategoriseerd als academia,Academia.
Het werkt in het domein van Speech, en wordt geregistreerd als het uitvoeren van de taak van speech recognition (ASR).
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.
Training en herkomst
De training run verbruikte ongeveer 2.4 × 10¹³ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
BiLSTM for Speech — veelgestelde vragen
BiLSTM for Speech— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 2.4 × 10¹³ FLOP. 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.
BiLSTM for Speech— 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.
BiLSTM for Speech— 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.
BiLSTM for Speech— hoeveel parameters heeft het?
Het heeft een parameter telling van 152.1K. "The hidden layer sizes were chosen to ensure that all networks had roughly the same number of weights W (≈100,000). However, for the MLPs the network grew with the time-window size, and W varied between 22,061 and 152,061.". 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.
BiLSTM for Speech— wie heeft het gemaakt?
Het werd gepubliceerd door IDSIA,Technical University of Munich, gebaseerd op Switzerland, een organisatie geclassificeerd als academia,Academia.
BiLSTM for Speech— wanneer is het uitgebracht?
Het werd gepubliceerd in August 2005. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
BiLSTM for Speech— waarvoor wordt het gebruikt?
Het werkt in het domein van Speech, en wordt geregistreerd als het afhandelen van speech recognition (ASR). Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
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.