R-Transformer
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
- Michigan State University,TAL Education Group (Xueersi)
- Typ organizacji
- Academia,Industry
- Kraj
- United States of America, China
- Opublikowany
- 12 July 2019
- Autorzy
- Zhiwei Wang, Yao Ma, Zitao Liu, Jiliang Tang
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
- 15.8M
- Dane treningowe
- 912,344 tokens
- Epoki
- 100
https://colab.research.google.com/drive/1afDpFvO3Dtry2Mdg8C1aUBV_sMF7LGb7?usp=sharing
default number of epochs in the code: https://github.com/DSE-MSU/R-transformer/tree/master/language_word
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
- 8.6 × 10¹⁵ FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP / token / parameter * 15800000 parameters * 912344 tokens * 100 epochs = 8.6490211e+15 FLOP
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 (non-commercial)
code, no clear license: https://github.com/DSE-MSU/R-transformer/tree/master/language_word
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 116
- Dane benchmarkowe
- R-Transformer
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- R-Transformer: Recurrent Neural Network Enhanced Transformer
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
R-Transformer został opublikowany przez Michigan State University,TAL Education Group (Xueersi), w kraju zapisanym jako United States of America, podczas July 2019. Organizacja publikująca jest klasyfikowana jako academia,Industry.
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
Trening zajmował około 8.6 × 10¹⁵ FLOP. 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
R-Transformer — częste pytania
R-Transformer— 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.
R-Transformer— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
R-Transformer— ile ma parametrów?
Ma liczbę parametrów równą 15.8M. https://colab.research.google.com/drive/1afDpFvO3Dtry2Mdg8C1aUBV_sMF7LGb7?usp=sharing. 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.
R-Transformer— kto to stworzył?
Zostało opublikowane przez Michigan State University,TAL Education Group (Xueersi), oparty na United States of America, organizacja sklasyfikowana jako academia,Industry.
R-Transformer— kiedy to zostało wydane?
Zostało opublikowane w July 2019. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
R-Transformer— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
R-Transformer— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 8.6 × 10¹⁵ FLOP. 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.
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.