2nd order FOFE-FNNLM
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
- University of Science and Technology of China (USTC),York University
- Typ organizacji
- Academia,Academia
- Kraj
- China, Canada
- Opublikowany
- 6 May 2015
- Autorzy
- Shiliang Zhang, Hui Jiang, Mingbin Xu, Junfeng Hou, Lirong Dai
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
- 6M
- Dane treningowe
- tokens
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.
- Cytaty
- 18
- Dane benchmarkowe
- 2nd order FOFE-FNNLM
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- A Fixed-Size Encoding Method for Variable-Length Sequences with its Application to Neural Network Language Models
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
2nd order FOFE-FNNLM został opublikowany przez University of Science and Technology of China (USTC),York University, w kraju zapisanym jako China, podczas May 2015. 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.
Odpowiedzi
2nd order FOFE-FNNLM — częste pytania
2nd order FOFE-FNNLM— ile ma parametrów?
Ma liczbę parametrów równą 6M. 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.
2nd order FOFE-FNNLM— kto to stworzył?
Zostało opublikowane przez University of Science and Technology of China (USTC),York University, oparty na China, organizacja sklasyfikowana jako academia,Academia.
2nd order FOFE-FNNLM— kiedy to zostało wydane?
Zostało opublikowane w May 2015. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
2nd order FOFE-FNNLM— 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.
2nd order FOFE-FNNLM— 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.
2nd order FOFE-FNNLM— 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.