RoFormer
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Zhuiyi Technology
- Typ organizacji
- Industry
- Kraj
- China
- Opublikowany
- 8 November 2023
- Autorzy
- Jianlin Su, Yu Lu, Shengfeng Pan, Ahmed Murtadha, Bo Wen, Yunfeng Liu
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Text classification, Language modeling/generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 110M
- Dane treningowe
- 3,276,800,000 tokens
"we use bert-base" BERT base has 110M parameters from https://arxiv.org/pdf/1810.04805
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 2.2 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP/parameter/token * 110000000 parameters * 3276800000 tokens = 2162688000000000000 FLOP
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA V100
- Zastosowane chipy
- 4
- Pobór mocy
- 2.4 kW
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Open source
Apache 2.0 https://github.com/ZhuiyiTechnology/roformer (only Chinese roformer implementations, not BERT) RoFormer is already integrated into Huggingface: https://huggingface.co/docs/transformers/model_doc/roformer
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Historical significance
- Zapisz pewność
- Confident
the paper introduced RoPE
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- RoFormer: Enhanced Transformer with Rotary Position Embedding
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
RoFormer został opublikowany przez Zhuiyi Technology, w kraju zapisanym jako China, podczas November 2023. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie text classification, Language modeling/generation.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Trenowanie zajęło budżet obliczeniowy wynoszący około 2.2 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 3,276,800,000 Tokeny tekstu.
Kryterium włączenia: historical significance.
Odpowiedzi
RoFormer — częste pytania
RoFormer— ile ma parametrów?
Ma liczbę parametrów równą 110M. "we use bert-base" BERT base has 110M parameters from https://arxiv.org/pdf/1810.04805. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
RoFormer— kto to stworzył?
Zostało opublikowane przez Zhuiyi Technology, oparty na China, organizacja sklasyfikowana jako industry.
RoFormer— kiedy to zostało wydane?
Zostało opublikowane w November 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
RoFormer— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie text classification, Language modeling/generation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
RoFormer— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.2 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
RoFormer— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
RoFormer— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.