AWD-LSTM+WT+Cache+IOG (WT2)
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
- NTT Communication Science Laboratories
- Typ organizacji
- Industry
- Kraj
- Japan
- Opublikowany
- 26 September 2017
- Autorzy
- Sho Takase, Jun Suzuki, Masaaki Nagata
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
- 53M
- Dane treningowe
- 2,000,000 tokens
- Epoki
- 5
53M (Table 3)
5 epochs (Table 1)
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
- 3.2 × 10¹⁵ FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP / parameter / token * 53000000 parameters * 2000000 tokens * 5 epochs = 3.18e+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)
license, looks non-commercial: https://github.com/nttcslab-nlp/iog?tab=License-1-ov-file#readme https://github.com/nttcslab-nlp/iog
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
- 7
- Dane benchmarkowe
- AWD-LSTM+WT+Cache+IOG (WT2)
"IOG achieves comparable scores to the state-of-the-art on the Penn Treebank dataset and outperforms the WikiText-2 dataset"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Input-to-Output Gate to Improve RNN Language Models
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
Co to jest model?
AWD-LSTM+WT+Cache+IOG (WT2) został opublikowany przez NTT Communication Science Laboratories, w kraju zapisanym jako Japan, podczas September 2017. Kategoria, do której należy wydawca, to 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
Trenowanie zajęło budżet obliczeniowy wynoszący około 3.2 × 10¹⁵ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 2,000,000 Tokeny tekstu.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
AWD-LSTM+WT+Cache+IOG (WT2) — częste pytania
AWD-LSTM+WT+Cache+IOG (WT2)— ile ma parametrów?
Ma liczbę parametrów równą 53M. 53M (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.
AWD-LSTM+WT+Cache+IOG (WT2)— kto to stworzył?
Zostało opublikowane przez NTT Communication Science Laboratories, oparty na Japan, organizacja sklasyfikowana jako industry.
AWD-LSTM+WT+Cache+IOG (WT2)— kiedy to zostało wydane?
Zostało opublikowane w September 2017. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
AWD-LSTM+WT+Cache+IOG (WT2)— 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.
AWD-LSTM+WT+Cache+IOG (WT2)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.2 × 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.
AWD-LSTM+WT+Cache+IOG (WT2)— 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.
AWD-LSTM+WT+Cache+IOG (WT2)— 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.