ReLU-Speech
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
- Google,University of Toronto,New York University (NYU)
- Typ organizacji
- Industry,Academia,Academia
- Kraj
- United States of America, Canada
- Opublikowany
- 26 May 2013
- Autorzy
- Matthew D. Zeiler, Marc'Aurelio Ranzato, R. Monga, Mark Z. Mao, K. Yang, Quoc V. Le, Patrick Nguyen, A. Senior, Vincent Vanhoucke, J. Dean, Geoffrey E. Hinton
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Speech
- Zadanie
- Speech recognition (ASR)
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 101.7M
- Dane treningowe
- tokens
"The overall input dimensionality is 1040," "All layers of our networks have 2560 hidden units " "used to generate 7969 context-dependent tied acoustic states" Largest model: 12 hidden layers (Fig 4) Parameters: 1040*2560+12*2560*2560+2560*7969=101706240
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 × 10¹⁷ FLOP
- Jak to zostało ustalone
- Hardware
"across 4 machines using up to 4 CPUs each" CPU model not specified, I assumed a Sandy Bridge with 16 FLOP/cycle and 3.3GhZ based on the publication year (4*16*3300000000=211200000000 FLOP/s per machine) Compute: 4*211200000000*168*60*60*0.3 = 1.53e17 Alternatively, the training set is "several hundred hours of speech", with inputs consisting of 26 frames, each frame is 10ms apart. If we assume 400h of training data, 400h/10ms/26= 5,538,461 inputs 6 * 101706240 * 5,538,461 = 3.38e15 FLOPs per e…
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Czas rzeczywisty
- 168 hours (7 days)
"The results we report are obtained by training for one week."
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Training cost,SOTA improvement
- Zapisz pewność
- Likely
I don't see any standard benchmarks that they used for evaluations
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- On rectified linear units for speech processing
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
ReLU-Speech został opublikowany przez Google,University of Toronto,New York University (NYU), w kraju zapisanym jako United States of America, podczas May 2013. Organizacja publikująca jest klasyfikowana jako industry,Academia,Academia.
Działa w dziedzinie Speech, i jest zapisany jako wykonujący zadanie speech recognition (ASR).
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 1.3 × 10¹⁷ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: training cost,SOTA improvement.
Odpowiedzi
ReLU-Speech — częste pytania
ReLU-Speech— ile ma parametrów?
Ma liczbę parametrów równą 101.7M. "The overall input dimensionality is 1040," "All layers of our networks have 2560 hidden units " "used to generate 7969 context-dependent tied acoustic states" Largest model: 12 hidden layers (Fig 4) Parameters: 1040*2560+12*2560*2560+2560*7969=101706240. 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.
ReLU-Speech— kto to stworzył?
Zostało opublikowane przez Google,University of Toronto,New York University (NYU), oparty na United States of America, organizacja sklasyfikowana jako industry,Academia,Academia.
ReLU-Speech— kiedy to zostało wydane?
Zostało opublikowane w May 2013. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
ReLU-Speech— do czego to służy?
Działa w dziedzinie Speech, i jest zarejestrowany jako realizujący zadanie speech recognition (ASR). Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
ReLU-Speech— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.3 × 10¹⁷ 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.
ReLU-Speech— 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.
ReLU-Speech— 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.