TransE
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
- Universite de Technologie de Compiègne – CNRS,Google
- Typ organizacji
- Academia,Industry
- Kraj
- France, United States of America
- Opublikowany
- 5 December 2013
- Autorzy
- Antoine Bordes, Nicolas Usunier, Alberto Garcia- Duran, Jason Weston, and Oksana Yakhnenko
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Entity embedding
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 942M
- Dane treningowe
- 17,500,000 tokens
Based on the TransE architecture, the authors give a formula for how the model size scales with the dimensionality of the dataset. The model scale is proportional to: k*(n_e+n_r) where k is the embeddings dimension, n_e is the number of entities, and n_r is the number of relationships. They studied using the TransE model for two datasets: FB15k and FB1M. The FB15k model has 810000 parameters. FB15k has 14951 entities and 1345 relationships. FB1M has 1000000 entities and 23382 relationships. Th…
"it can be successfully trained on a large scale data set with 1M entities, 25k relationships and more than 17M training samples"
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
- 1.3 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
8 GPUs (they don't specify which, so I used the average for FP32 for 2017 from the write-up table) 8 hours 0.33 util rate
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Koszt obliczeniowy
- $30
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Model Frontier
- Yes
- Dlaczego to jest śledzone
- Highly cited
- Zapisz pewność
- Speculative
- Cytaty
- 8,347
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Translating Embeddings for Modeling Multi- relational Data
- Ostatnio zaktualizowane
- 1 January 2026
Co oznaczają liczby
Skąd to pochodzi
TransE został opublikowany przez Universite de Technologie de Compiègne – CNRS,Google, w kraju zapisanym jako France, podczas December 2013. Organizacja publikująca jest klasyfikowana jako academia,Industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie entity embedding.
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 1.3 × 10¹⁸ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 17,500,000 Tokeny tekstu.
Kryterium włączenia: highly cited.
Odpowiedzi
TransE — częste pytania
TransE— ile ma parametrów?
Ma liczbę parametrów równą 942M. Based on the TransE architecture, the authors give a formula for how the model size scales with the dimensionality of the dataset. The model scale is proportional to: k*(n_e+n_r) where k is the embeddings dimension, n_e is the number of entities, and n_r is the number of relationships. They studied using the TransE model for two datasets: FB15k and FB1M. The FB15k model has 810000 parameters. FB15k has 14951 entities and 1345 relationships. FB1M has 1000000 entities and 23382 relationships. Therefore, the FB1M model will be bigger than the FB15k model by a factor of (23382e6)/(14951*1345) => N = 8.1e5 * (23382e6)/(14951*1345) = 942e6. 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.
TransE— kto to stworzył?
Zostało opublikowane przez Universite de Technologie de Compiègne – CNRS,Google, oparty na France, organizacja sklasyfikowana jako academia,Industry.
TransE— kiedy to zostało wydane?
Zostało opublikowane w December 2013. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
TransE— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie entity embedding. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
TransE— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.3 × 10¹⁸ 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.
TransE— 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.
TransE— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
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.