MoE-Multi
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
- Jagiellonian University,Google Brain
- Typ organizacji
- Academia,Industry
- Kraj
- Poland, United States of America
- Opublikowany
- 23 January 2017
- Autorzy
- N Shazeer, A Mirhoseini, K Maziarz, A Davis
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling, Translation
- 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
- 8.7B
- Dane treningowe
- 87,000,000,000 tokens
- Epoki
- 10
- Rozmiar wsadu
- 1,365,333
Table 5 https://arxiv.org/abs/1701.06538
"We constructed a similar training set consisting of shuffled unique sentences from Google’s internal news corpus, totalling roughly 100 billion words" Assuming 100 words = 133 tokens
"Training was done synchronously on a cluster of up to 64 GPUs as described in section 3. Each training batch consisted of a set of sentence pairs containing roughly 16000 words per GPU." Although they appear to use word-level tokenization in other experiments, here they use subword tokens: "Similar to GNMT, to effectively deal with rare words, we used subword units (also known as “wordpieces") (Schuster & Nakajima, 2012) for inputs and outputs in our system." In total 64 GPUs * 16k words/GPU * …
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
- 9.4 × 10¹⁹ FLOP
- Jak to zostało ustalone
- Hardware
12 days 64 NVIDIA K40 GPUs (see hardware data sheet for performance) 0.33 util rate
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA Tesla K40t
- Zastosowane chipy
- 64
- Czas rzeczywisty
- 288 hours (12 days)
- Pobór mocy
- 32.9 kW
- Koszt obliczeniowy
- $3,874
12 days
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
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Highly cited,SOTA improvement,Historical significance
- Zapisz pewność
- Confident
- Cytaty
- 4,587
"On large language modeling and machine translation benchmarks, these models achieve significantly better results than state-of-the-art at lower computational cost"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
O tym modelu
MoE-Multi został opublikowany przez Jagiellonian University,Google Brain, w kraju zapisanym jako Poland, podczas January 2017. Organizacja publikująca jest klasyfikowana jako academia,Industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling, Translation.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 9.4 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Tesla K40t. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 87,000,000,000 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: highly cited,SOTA improvement,Historical significance.
Odpowiedzi
MoE-Multi — częste pytania
MoE-Multi— 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.
MoE-Multi— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
MoE-Multi— ile ma parametrów?
Ma liczbę parametrów równą 8.7B. Table 5 https://arxiv.org/abs/1701.06538. 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.
MoE-Multi— kto to stworzył?
Zostało opublikowane przez Jagiellonian University,Google Brain, oparty na Poland, organizacja sklasyfikowana jako academia,Industry.
MoE-Multi— kiedy to zostało wydane?
Zostało opublikowane w January 2017. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
MoE-Multi— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling, Translation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
MoE-Multi— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 9.4 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Tesla K40t. 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.