RGC+ASQ (PTB)
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
- Tsinghua University,University of California Los Angeles (UCLA)
- Typ organizacji
- Academia,Academia
- Kraj
- China, United States of America
- Opublikowany
- 13 August 2018
- Autorzy
- Jiarui Fang, Haohuan Fu, Guangwen Yang, Cho-Jui Hsieh
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
- 53.5M
- Dane treningowe
- tokens
- Epoki
- 40
Table 1: 204MB parameters. Assuming they used FP32: 204*1024*1024/4=53477376
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
- 1.2 × 10¹⁶ FLOP
6*53477376*929000*40=1.1923316e+16
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA Titan V
- Zastosowane chipy
- 8
- Pobór mocy
- 4.1 kW
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
- 29
- Dane benchmarkowe
- RGC+ASQ (PTB)
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- RedSync : Reducing Synchronization Traffic for Distributed Deep Learning
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
O tym modelu
RGC+ASQ (PTB) został opublikowany przez Tsinghua University,University of California Los Angeles (UCLA), w kraju zapisanym jako China, podczas August 2018. Organizacja publikująca jest klasyfikowana jako academia,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 1.2 × 10¹⁶ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Titan V. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
RGC+ASQ (PTB) — częste pytania
RGC+ASQ (PTB)— ile ma parametrów?
Ma liczbę parametrów równą 53.5M. Table 1: 204MB parameters. Assuming they used FP32: 204*1024*1024/4=53477376. 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.
RGC+ASQ (PTB)— kto to stworzył?
Zostało opublikowane przez Tsinghua University,University of California Los Angeles (UCLA), oparty na China, organizacja sklasyfikowana jako academia,Academia.
RGC+ASQ (PTB)— kiedy to zostało wydane?
Zostało opublikowane w August 2018. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
RGC+ASQ (PTB)— 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.
RGC+ASQ (PTB)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.2 × 10¹⁶ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Titan V. 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.
RGC+ASQ (PTB)— 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.
RGC+ASQ (PTB)— 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.