Transformer + Simple Recurrent Unit
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
- ASAPP,Cornell University,Google,Princeton University
- Typ organizacji
- Industry,Academia,Industry,Academia
- Kraj
- United States of America
- Opublikowany
- 17 September 2018
- Autorzy
- Tao Lei, Yu Zhang, Sida I. Wang, Hui Dai, Yoav Artzi
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Translation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 90M
- Dane treningowe
- 112,500,000 tokens
- Epoki
- 40
5-layer model, Table 3
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
- 1.1 × 10¹⁹ FLOP
- Jak to zostało ustalone
- Hardware
"We use a single NVIDIA Tesla V100 GPU for each model. The published results were obtained using 8 GPUs in parallel, which provide a large effective batch size during training. To approximate the setup, we update the model parameters every 5×5120 tokens and use 16,000 warm-up steps following OpenNMT suggestions. We train each model for 40 epochs (250,000 steps), and perform 3 independent trials for each model configuration. A single run takes about 3.5 days with a Tesla V100 GPU." 125 trillion …
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA V100
- Zastosowane chipy
- 8
- Pobór mocy
- 5.0 kW
- Koszt obliczeniowy
- $45
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
repo, but no training code for translation: https://github.com/taolei87/sru
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
- Confident
- Cytaty
- 306
"We use the state-of-the-art Transformer model of Vaswani et al. (2017) as our base architecture... When SRU is incorporated into the architecture, both the 4-layer and 5-layer model outperform the Transformer base model"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Simple Recurrent Units for Highly Parallelizable Recurrence
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Skąd to pochodzi
Transformer + Simple Recurrent Unit został opublikowany przez ASAPP,Cornell University,Google,Princeton University, w kraju zapisanym jako United States of America, podczas September 2018. Kategoria, do której należy wydawca, to industry,Academia,Industry,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie translation.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Co poszło w budowę tego
Trenowanie zajęło budżet obliczeniowy wynoszący około 1.1 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Został wytrenowany na korpusie około 112,500,000 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: sOTA improvement.
Odpowiedzi
Transformer + Simple Recurrent Unit — częste pytania
Transformer + Simple Recurrent Unit— ile ma parametrów?
Ma liczbę parametrów równą 90M. 5-layer model, Table 3. 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.
Transformer + Simple Recurrent Unit— kto to stworzył?
Zostało opublikowane przez ASAPP,Cornell University,Google,Princeton University, oparty na United States of America, organizacja sklasyfikowana jako industry,Academia,Industry,Academia.
Transformer + Simple Recurrent Unit— kiedy to zostało wydane?
Zostało opublikowane w September 2018. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Transformer + Simple Recurrent Unit— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie translation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Transformer + Simple Recurrent Unit— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.1 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. 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.
Transformer + Simple Recurrent Unit— 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.
Transformer + Simple Recurrent Unit— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
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.