GPT-Neo-125M (finetuned)
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, Michael Santacroce, Zixin Wen, Yelong Shen, Yuanzhi Li
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-125M
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 125M
- Dane treningowe
- tokens
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 for code. don't see model weights for finetune: 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
- Dane benchmarkowe
- GPT-Neo-125M(finetuned),GPT-Neo-125M(finetuned)
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- GPT-Neo: Large Scale Autoregressive Language Modeling with Mesh-Tensorflow, What Matters In The Structured Pruning of Generative Language Models?
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
O tym modelu
GPT-Neo-125M (finetuned) 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.
Opiera się na GPT-Neo-125M. Dlatego dzieli ogólny kształt i rozmiar modelu bazowego.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Odpowiedzi
GPT-Neo-125M (finetuned) — częste pytania
GPT-Neo-125M (finetuned)— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
GPT-Neo-125M (finetuned)— 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-125M (finetuned)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
GPT-Neo-125M (finetuned)— ile ma parametrów?
Ma liczbę parametrów równą 125M. 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-125M (finetuned)— kto to stworzył?
Zostało opublikowane przez EleutherAI, oparty na United States of America, organizacja sklasyfikowana jako research collective.
GPT-Neo-125M (finetuned)— 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.
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.