Transformer-XL + PowerSGD + L-Greco
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
- Institute of Science and Technology Austria (ISTA),Neural Magic
- Typ organizacji
- Academia,Industry
- Kraj
- Austria, United States of America
- Opublikowany
- 31 October 2022
- Autorzy
- Mohammadreza Alimohammadi, Ilia Markov, Elias Frantar, Dan Alistarh
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 103,000,000 tokens
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
- 1.3 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
35580000000000 FLOP / sec [fp16 precision assumed] * 15400 sec [see training time notes] * 8 GPUs * 0.3 [assumed utilization] = 1.3150368e+18 FLOP _______ They used similar estimation (4.14 × 10^17 FLOP) in the Algorithmic Progress paper - not sure how exactly it was calculated
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA GeForce RTX 3090
- Zastosowane chipy
- 8
- Czas rzeczywisty
- 4 hours
- Pobór mocy
- 5.6 kW
40k steps [table 7] * 0.385 sec/step [figure 3] = 15400 sec = 4.28 hours
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. looks like just code: https://github.com/LGrCo/L-GreCo/tree/master/Transformer-XL
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 4
- Dane benchmarkowe
- Transformer-XL + PowerSGD + L-Greco
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- L-GreCo: An Efficient and General Framework for Layerwise-Adaptive Gradient Compression
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
Transformer-XL + PowerSGD + L-Greco został opublikowany przez Institute of Science and Technology Austria (ISTA),Neural Magic, w kraju zapisanym jako Austria, podczas October 2022. Wychodzi z organizacji zaklasyfikowanej jako academia,Industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Trening zajmował około 1.3 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce RTX 3090. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 103,000,000 Tokeny tekstu.
Odpowiedzi
Transformer-XL + PowerSGD + L-Greco — częste pytania
Transformer-XL + PowerSGD + L-Greco— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Transformer-XL + PowerSGD + L-Greco— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.3 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce RTX 3090. 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.
Transformer-XL + PowerSGD + L-Greco— 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.
Transformer-XL + PowerSGD + L-Greco— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Transformer-XL + PowerSGD + L-Greco— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Transformer-XL + PowerSGD + L-Greco— kto to stworzył?
Zostało opublikowane przez Institute of Science and Technology Austria (ISTA),Neural Magic, oparty na Austria, organizacja sklasyfikowana jako academia,Industry.
Transformer-XL + PowerSGD + L-Greco— kiedy to zostało wydane?
Zostało opublikowane w October 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.