WDC20 / DLWP
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
- University of Washington,Microsoft Research
- Typ organizacji
- Academia,Industry
- Kraj
- United States of America
- Opublikowany
- 15 March 2020
- Autorzy
- Jonathan A. Weyn, Dale R. Durran, Rich Caruana
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Earth science
- Zadanie
- Weather forecasting
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 672.1K
- Dane treningowe
- tokens
- Epoki
- 100
Table 1
"we train for a minimum of 100 epochs followed by early stopping conditioned on the validation set loss"
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 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
31330000000000 FLOP / GPU/ sec [Tesla V100] * 1 GPU * 72 hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.4362208e+18 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 Tesla V100 DGXS 32 GB
- Zastosowane chipy
- 1
- Czas rzeczywisty
- 72 hours
- Pobór mocy
- 281 W
2–3 days for training on a single NVidia Tesla V100 GPU
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
GPL-3 https://github.com/jweyn/DLWP-CS
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Improving data-driven global weather prediction using deep convolutional neural networks on a cubed sphere
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
WDC20 / DLWP został opublikowany przez University of Washington,Microsoft Research, w kraju zapisanym jako United States of America, podczas March 2020. Wychodzi z organizacji zaklasyfikowanej jako academia,Industry.
Działa w dziedzinie Earth science, i jest zapisany jako wykonujący zadanie weather forecasting.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Trenowanie zajęło budżet obliczeniowy wynoszący około 2.4 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Tesla V100 DGXS 32 GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
WDC20 / DLWP — częste pytania
WDC20 / DLWP— kiedy to zostało wydane?
Zostało opublikowane w March 2020. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
WDC20 / DLWP— do czego to służy?
Działa w dziedzinie Earth science, i jest zarejestrowany jako realizujący zadanie weather forecasting. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
WDC20 / DLWP— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.4 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Tesla V100 DGXS 32 GB. 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.
WDC20 / DLWP— 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.
WDC20 / DLWP— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
WDC20 / DLWP— ile ma parametrów?
Ma liczbę parametrów równą 672.1K. Table 1. 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.
WDC20 / DLWP— kto to stworzył?
Zostało opublikowane przez University of Washington,Microsoft Research, oparty na United States of America, organizacja sklasyfikowana jako academia,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.