Doge-60M
Doge использует внимание к динамической маске в качестве преобразования последовательности и может использовать многослойный персептрон или междоменную смесь...
Метка: doge
Doge-20M-checkpoint
Doge использует wsdscheduler в качестве планировщика обучения, который делит скорость обучения на три этапа: разминка, стабильность и затухание....
Doge-160M
Doge использует внимание к динамической маске в качестве преобразования последовательности и может использовать многослойный персептрон или междоменную смесь...
Doge-320M
Doge использует внимание к динамической маске в качестве преобразования последовательности и может использовать многослойный персептрон или междоменную смесь...
Doge-20M
Doge использует внимание к динамической маске в качестве преобразования последовательности и может использовать многослойный персептрон или междоменную смесь...