Monarch-GPT-2-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
- Stanford University,University at Buffalo,University of Michigan
- Typ organizacji
- Academia,Academia,Academia
- Kraj
- United States of America
- Opublikowany
- 1 April 2022
- Autorzy
- Tri Dao, Beidi Chen, Nimit Sohoni, Arjun Desai, Michael Poli, Jessica Grogan, Alexander Liu, Aniruddh Rao, Atri Rudra, Christopher Ré
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
- 72M
- Dane treningowe
- 103,000,000 tokens
GPPT-2 small has 124M parameters: https://huggingface.co/openai-community/gpt2 upd see Table 2
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
- 9 × 10¹⁹ FLOP
- Jak to zostało ustalone
- Operation counting
400k iterations with batch size 512 (Appendix E) GPT 2 small on Huggingface has a context length of 1024 FLOP estimate using 6ND: 6*400000*512*1024*72000000=9.0596966e+19
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
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 for code: https://github.com/HazyResearch/fly/tree/master https://github.com/HazyResearch/fly/tree/master/configs/model/gpt2model
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 130
- Dane benchmarkowe
- Monarch-GPT-2-Small
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Monarch: Expressive Structured Matrices for Efficient and Accurate Training
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
O tym modelu
Monarch-GPT-2-Small został opublikowany przez Stanford University,University at Buffalo,University of Michigan, w kraju zapisanym jako United States of America, podczas April 2022. Kategoria, do której należy wydawca, to academia,Academia,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Szkolenie i pochodzenie
Trenowanie zajęło budżet obliczeniowy wynoszący około 9 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. 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
Monarch-GPT-2-Small — częste pytania
Monarch-GPT-2-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.
Monarch-GPT-2-Small— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Monarch-GPT-2-Small— ile ma parametrów?
Ma liczbę parametrów równą 72M. GPPT-2 small has 124M parameters: https://huggingface.co/openai-community/gpt2 upd see Table 2. 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.
Monarch-GPT-2-Small— kto to stworzył?
Zostało opublikowane przez Stanford University,University at Buffalo,University of Michigan, oparty na United States of America, organizacja sklasyfikowana jako academia,Academia,Academia.
Monarch-GPT-2-Small— kiedy to zostało wydane?
Zostało opublikowane w April 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Monarch-GPT-2-Small— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Monarch-GPT-2-Small— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 9 × 10¹⁹ 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.
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.