GPT-Neo-2.7B (finetuned on PTB)
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
- EleutherAI
- Typ organizacji
- Research collective
- Kraj
- United States of America
- Opublikowany
- 21 March 2021
- Autorzy
- Sid Black, Leo Gao, Phil Wang, Connor Leahy, Stella Biderman
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation
- Model bazowy
- GPT-Neo-2.7B
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 2.7B
- Dane treningowe
- tokens
- Epoki
- 1
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
MIT. don't think model weights for PTB finetune are available: https://github.com/EleutherAI/gpt-neo
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 880
- Dane benchmarkowe
- GPT-Neo-2.7B (finetuned on PTB)
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- GPT-Neo: Large Scale Autoregressive Language Modeling with Mesh-Tensorflow
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
Tło
GPT-Neo-2.7B (finetuned on PTB) został opublikowany przez EleutherAI, w kraju zapisanym jako United States of America, podczas March 2021. Kategoria, do której należy wydawca, to research collective.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation.
Jego punktem wyjścia był istniejący model podstawowy, GPT-Neo-2.7B. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Odpowiedzi
GPT-Neo-2.7B (finetuned on PTB) — częste pytania
GPT-Neo-2.7B (finetuned on PTB)— kiedy to zostało wydane?
Zostało opublikowane w March 2021. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
GPT-Neo-2.7B (finetuned on PTB)— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
GPT-Neo-2.7B (finetuned on PTB)— 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-Neo-2.7B (finetuned on PTB)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
GPT-Neo-2.7B (finetuned on PTB)— ile ma parametrów?
Ma liczbę parametrów równą 2.7B. 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-Neo-2.7B (finetuned on PTB)— kto to stworzył?
Zostało opublikowane przez EleutherAI, oparty na United States of America, organizacja sklasyfikowana jako research collective.
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.