Sparse Wide GPT-3 Small
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
- Cerebras Systems
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 21 March 2023
- Autorzy
- Shreyas Saxena, Vithursan Thangarasa, Abhay Gupta, Sean Lie
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation, Question answering
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 1.3B
- Dane treningowe
- 2,500,000,000 tokens
- Epoki
- 1
GPT-3 Small: 125M At 90% sparsity → ~1.25B total parameters At 75% sparsity → 125M * ksw^2 = 125M *(1/(1-0.75)) = 500M total pramters (I assume only 125M are active)
2.5B (table 13)
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
- 1.9 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP / parameter / token * 125* 10^6 active parameters * 2.5 * 10^9 tokens = 1.875e+18 FLOP __________________ in the Algorithmic progress paper the estimation was 8.84 × 10^19 FLOP, they assumed WT-103 dataset (not mentioned in the paper) and different number of parameters (1.3* 10^9 - I am unsure where it comes from)
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- Cerebras CS-2
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
- Unreleased
paper has repo but no code for sparse GPT-3: https://github.com/CerebrasResearch/Sparse-IFT
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Speculative
- Cytaty
- 8
- Dane benchmarkowe
- Sparse Wide GPT-3 Small
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Sparse Iso-FLOP Transformations for Maximizing Training Efficiency
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Skąd to pochodzi
Sparse Wide GPT-3 Small został opublikowany przez Cerebras Systems, w kraju zapisanym jako United States of America, podczas March 2023. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Szkolenie i pochodzenie
Wytworzenie tego wymagało arytmetyki sumującej około 1.9 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako Cerebras CS-2. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 2,500,000,000 Tokeny tekstu.
Odpowiedzi
Sparse Wide GPT-3 Small — częste pytania
Sparse Wide GPT-3 Small— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.9 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako Cerebras CS-2. 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.
Sparse Wide GPT-3 Small— 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.
Sparse Wide GPT-3 Small— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Sparse Wide GPT-3 Small— ile ma parametrów?
Ma liczbę parametrów równą 1.3B. GPT-3 Small: 125M At 90% sparsity → ~1.25B total parameters At 75% sparsity → 125M * ksw^2 = 125M *(1/(1-0.75)) = 500M total pramters (I assume only 125M are active). 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.
Sparse Wide GPT-3 Small— kto to stworzył?
Zostało opublikowane przez Cerebras Systems, oparty na United States of America, organizacja sklasyfikowana jako industry.
Sparse Wide GPT-3 Small— kiedy to zostało wydane?
Zostało opublikowane w March 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Sparse Wide GPT-3 Small— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
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.