Transformer-XL + RMT
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
- Moscow Institute of Physics and Technology,AIRI Artificial Intelligence Research Institute
- Typ organizacji
- Academia,Research collective
- Kraj
- Russia
- Opublikowany
- 14 July 2022
- Autorzy
- Aydar Bulatov, Yuri Kuratov, Mikhail S. Burtsev
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.
- parametry
- 247M
- Dane treningowe
- 103,000,000 tokens
- Epoki
- 15
"WikiText-103 experiments use 16-layer Transformers (10 heads, 410 hidden size, 2100 intermediate FF)"
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
- 6.8 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Operation counting,Hardware
6 FLOP / parameter / token * 200000 steps * 128 tokens per batch * 60 batches per step * 247000000 parameters= 2.276352e+18 FLOP 312000000000000 FLOP / sec / GPU * 2 GPUs * 30 hours [could be less, upper bound] * 3600 sec / hour * 0.3 [assumed utilization] = 2.02176e+19 FLOP sqrt(2.276352e+18*2.02176e+19) = 6.7839792e+18 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 A100 SXM4 80 GB
- Zastosowane chipy
- 2
- Czas rzeczywisty
- 30 hours
- Pobór mocy
- 1.6 kW
In most of the WikiText-103 experiments, we used 2 NVIDIA A100 80Gb GPUs, training time varied from 10 to 30 hours depending on sequence length, memory size, and number of BPTT unrolls
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: https://github.com/booydar/LM-RMT
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Speculative
- Cytaty
- 183
- Dane benchmarkowe
- Transformer-XL + RMT
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Recurrent Memory Transformer
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
Transformer-XL + RMT został opublikowany przez Moscow Institute of Physics and Technology,AIRI Artificial Intelligence Research Institute, w kraju zapisanym jako Russia, podczas July 2022. Organizacja publikująca jest klasyfikowana jako academia,Research collective.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Trening zajmował około 6.8 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100 SXM4 80 GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 103,000,000 Tokeny tekstu.
Odpowiedzi
Transformer-XL + RMT — częste pytania
Transformer-XL + RMT— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Transformer-XL + RMT— ile ma parametrów?
Ma liczbę parametrów równą 247M. "WikiText-103 experiments use 16-layer Transformers (10 heads, 410 hidden size, 2100 intermediate FF)". 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.
Transformer-XL + RMT— kto to stworzył?
Zostało opublikowane przez Moscow Institute of Physics and Technology,AIRI Artificial Intelligence Research Institute, oparty na Russia, organizacja sklasyfikowana jako academia,Research collective.
Transformer-XL + RMT— kiedy to zostało wydane?
Zostało opublikowane w July 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Transformer-XL + RMT— 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 + RMT— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 6.8 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100 SXM4 80 GB. 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 + RMT— 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.
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.