BERT-Large-CAS (PTB+WT2+WT103)
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
- Amazon
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 20 April 2019
- Autorzy
- Chenguang Wang, Mu Li, Alexander J. Smola
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Neural Architecture Search - NAS, Language modeling/generation
- Format numeryczny
- FP32
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 395M
- Dane treningowe
- 1,300,000,000 tokens
- Epoki
- 50
395M (Table 6)
Table 7: 0.1B (PTB)+ 0.2B (WT-2) + 1.0B (WT-103) = 1.3B We pick 128 as sequence length and 16 as minibatch size "We use NT-ASGD (Merity et al., 2017) to train 50 epochs on training datasets"
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
- 1.5 × 10²⁰ FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP / token / parameter * 395000000 parameters * 1300000000 parameters * 50 epochs = 1.5405e+20 FLOP ________ in the Algorithmic progress paper, the estimation was 5.21E+20 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 source
Apache 2.0 license: https://github.com/cgraywang/gluon-nlp-1/blob/lmtransformer/scripts/language_model/train/transformer_lm.py
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Likely
- Cytaty
- 139
- Dane benchmarkowe
- BERT-Large-CAS (PTB+WT2+WT103)
"CAS achieves perplexities between 20.42 and 34.11 on all problems, i.e. on average an improvement of 12.0 perplexity units compared to state-of-the-art LSTMs"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Language Models with Transformers
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Co to jest model?
BERT-Large-CAS (PTB+WT2+WT103) został opublikowany przez Amazon, w kraju zapisanym jako United States of America, podczas April 2019. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie neural Architecture Search - NAS, Language modeling/generation.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Trening zajmował około 1.5 × 10²⁰ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 1,300,000,000 Tokeny tekstu.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
BERT-Large-CAS (PTB+WT2+WT103) — częste pytania
BERT-Large-CAS (PTB+WT2+WT103)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
BERT-Large-CAS (PTB+WT2+WT103)— ile ma parametrów?
Ma liczbę parametrów równą 395M. 395M (Table 6). 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.
BERT-Large-CAS (PTB+WT2+WT103)— kto to stworzył?
Zostało opublikowane przez Amazon, oparty na United States of America, organizacja sklasyfikowana jako industry.
BERT-Large-CAS (PTB+WT2+WT103)— kiedy to zostało wydane?
Zostało opublikowane w April 2019. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
BERT-Large-CAS (PTB+WT2+WT103)— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie neural Architecture Search - NAS, Language modeling/generation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
BERT-Large-CAS (PTB+WT2+WT103)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.5 × 10²⁰ 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.
BERT-Large-CAS (PTB+WT2+WT103)— 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.
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.