GPT-2 (1.5B, Curriculum Learning 45K)
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
- Microsoft
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 13 August 2021
- Autorzy
- Conglong Li, Minjia Zhang, Yuxiong He
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 1.5B
- Dane treningowe
- 157,000,000,000 tokens
- Epoki
- 1.6
- Rozmiar wsadu
- 4,000,000
Table 2 SLW 45K bsz4K-seqlen1K 58.8K 157B (1x) training time: 155Hr (2.2x) batch size 4000 sequence length 1000 58.8K steps 157B tokens 4*10^6*58800/157*10^9 = 1.6 epochs
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
- 2.4 × 10²¹ FLOP
- Jak to zostało ustalone
- Comparison with other models,Hardware,Operation counting
"Experiments replicating GPT-2 models (117M and 1.5B) show that <..> our method reduces the required number of training tokens and wall clock time by up to 2.2x and 3.7x, respectively." GPT-2 estimated training compute: 1.9200000000009998e+21 FLOP (Speculative confidence) -> 1.9200000000009998e+21 / 3.7 = 5.1891892e+20 FLOP " All of the experiments are performed on 128 NVIDIA V100 GPUs (32GB memory). There are 16 nodes and 8 GPUs per node" 155 hours (Table 2) 125000000000000 FLOP/sec * 128 …
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
- Zastosowane chipy
- 128
- Czas rzeczywisty
- 155 hours
- Pobór mocy
- 77.6 kW
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
there's a repo for the technique but I don't see training code for this model: https://github.com/microsoft/DeepSpeed
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 55
- Dane benchmarkowe
- GPT-2 (1.5B, Curriculum Learning 45K)
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Curriculum Learning: A Regularization Method for Efficient and Stable Billion-Scale GPT Model Pre-Training
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Co to jest model?
GPT-2 (1.5B, Curriculum Learning 45K) został opublikowany przez Microsoft, w kraju zapisanym jako United States of America, podczas August 2021. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 2.4 × 10²¹ 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 157,000,000,000 Tokeny tekstu.
Odpowiedzi
GPT-2 (1.5B, Curriculum Learning 45K) — częste pytania
GPT-2 (1.5B, Curriculum Learning 45K)— kiedy to zostało wydane?
Zostało opublikowane w August 2021. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
GPT-2 (1.5B, Curriculum Learning 45K)— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
GPT-2 (1.5B, Curriculum Learning 45K)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.4 × 10²¹ 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 (1.5B, Curriculum Learning 45K)— 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 (1.5B, Curriculum Learning 45K)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
GPT-2 (1.5B, Curriculum Learning 45K)— ile ma parametrów?
Ma liczbę parametrów równą 1.5B. 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 (1.5B, Curriculum Learning 45K)— kto to stworzył?
Zostało opublikowane przez Microsoft, oparty na United States of America, organizacja sklasyfikowana jako industry.
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.