GPT-2-Medium+Pixelfly
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,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo
- Typ organizacji
- Academia,Industry,Academia,Industry,Academia
- Kraj
- United States of America, China
- Opublikowany
- 30 November 2021
- Autorzy
- Tri Dao, Beidi Chen, Kaizhao Liang, Jiaming Yang, Zhao Song, Atri Rudra, Christopher Ré
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling, Text classification
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 203M
- Dane treningowe
- 103,000,000 tokens
- Epoki
- 100
203M (Table 6)
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 × 10¹⁹ FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP / parameter / token * 203000000 parameters * 103000000 tokens * 100 epochs = 1.25454 × 10^19 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
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 (train and inference): https://github.com/HazyResearch/fly train code: https://github.com/HazyResearch/fly/blob/master/src/train.py
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 94
- Dane benchmarkowe
- GPT-2-Medium+Pixelfly
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Pixelated Butterfly: Simple and Efficient Sparse training for Neural Network Models
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Skąd to pochodzi
GPT-2-Medium+Pixelfly został opublikowany przez Stanford University,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo, w kraju zapisanym jako United States of America, podczas November 2021. Kategoria, do której należy wydawca, to academia,Industry,Academia,Industry,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling, Text classification.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Szkolenie i pochodzenie
Trening zajmował około 1.3 × 10¹⁹ 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 103,000,000 Tokeny tekstu.
Odpowiedzi
GPT-2-Medium+Pixelfly — częste pytania
GPT-2-Medium+Pixelfly— ile ma parametrów?
Ma liczbę parametrów równą 203M. 203M (Table 6). 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.
GPT-2-Medium+Pixelfly— kto to stworzył?
Zostało opublikowane przez Stanford University,SambaNova Systems, Inc,Peking University,Adobe,University at Buffalo, oparty na United States of America, organizacja sklasyfikowana jako academia,Industry,Academia,Industry,Academia.
GPT-2-Medium+Pixelfly— kiedy to zostało wydane?
Zostało opublikowane w November 2021. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
GPT-2-Medium+Pixelfly— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling, Text classification. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
GPT-2-Medium+Pixelfly— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.3 × 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.
GPT-2-Medium+Pixelfly— 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.
GPT-2-Medium+Pixelfly— 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.