LSTM-3-layer+Gadam
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 Oxford,University of Bristol,University of Cambridge
- Typ organizacji
- Academia,Academia,Academia
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 2 March 2020
- Autorzy
- Diego Granziol, Xingchen Wan, Samuel Albanie, Stephen Roberts
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 24M
- Dane treningowe
- 912,344 tokens
- Epoki
- 200
24M imputed from Merity et al. 2017 https://arxiv.org/abs/1708.02182
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
- 2.6 × 10¹⁶ FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP / parameter / token * 24000000 parameters * 912344 tokens * 200 epochs = 2.6275507e+16 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 GeForce RTX 2080 Ti 11GB
- Zastosowane chipy
- 1
- Pobór mocy
- 281 W
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
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 5
- Dane benchmarkowe
- LSTM-3-layer+Gadam
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Iterative Averaging in the Quest for Best Test Error
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
LSTM-3-layer+Gadam został opublikowany przez University of Oxford,University of Bristol,University of Cambridge, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas March 2020. Wychodzi z organizacji zaklasyfikowanej jako academia,Academia,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Szkolenie i pochodzenie
Wytworzenie tego wymagało arytmetyki sumującej około 2.6 × 10¹⁶ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce RTX 2080 Ti 11GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 912,344 Tokeny tekstu.
Odpowiedzi
LSTM-3-layer+Gadam — częste pytania
LSTM-3-layer+Gadam— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.6 × 10¹⁶ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce RTX 2080 Ti 11GB. 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.
LSTM-3-layer+Gadam— 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.
LSTM-3-layer+Gadam— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
LSTM-3-layer+Gadam— ile ma parametrów?
Ma liczbę parametrów równą 24M. 24M imputed from Merity et al. 2017 https://arxiv.org/abs/1708.02182. 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.
LSTM-3-layer+Gadam— kto to stworzył?
Zostało opublikowane przez University of Oxford,University of Bristol,University of Cambridge, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako academia,Academia,Academia.
LSTM-3-layer+Gadam— 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.
LSTM-3-layer+Gadam— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
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.