DecompDiff
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- University of Illinois Urbana-Champaign (UIUC),ByteDance,University of Chinese Academy of Sciences,Chinese Academy of Sciences,Tsinghua University
- Typ organizace
- Academia,Industry,Academia,Academia,Academia
- Země
- United States of America, China
- Publikováno
- 26 February 2024
- Autoři
- Jiaqi Guan, Xiangxin Zhou, Yuwei Yang, Yu Bao, Jian Peng, Jianzhu Ma, Qiang Liu, Liang Wang, Quanquan Gu
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Drug discovery
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 12,500,000 tokens
"100,000 complexes are selected for training" (diffusion based model)
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 1.9 × 10¹⁹ FLOP
- Jak bylo ustanoveno
- Hardware
1. Hardware setup: 1x NVIDIA A100 GPU (3.12e14 FLOPs/s for FP16) 2. Training duration: 41.7 hours (provided directly) = 150,120 seconds 3. Utilization rate: 40% (assumed) 4. Calculation: 3.12e14 FLOPs/s × 1 GPU × 150,120s × 0.4 = 1.873e19 FLOPs
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA A100
- Používané čipy
- 1
- Doba reálného času
- 42 hours
- Příkon
- 435 W
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 119
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- DecompDiff: Diffusion Models with Decomposed Priors for Structure-Based Drug Design
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
DecompDiff byl zveřejněn University of Illinois Urbana-Champaign (UIUC),ByteDance,University of Chinese Academy of Sciences,Chinese Academy of Sciences,Tsinghua University, v zemi zaznamenané jako United States of America, během February 2024. Kategorie, do které vydavatel spadá, je academia,Industry,Academia,Academia,Academia.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol drug discovery.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Co bylo zapotřebí k jeho vybudování
Trenovací běh spotřeboval asi 1.9 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA A100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 12,500,000 tokeny textu
Odpovědi
DecompDiff — běžné otázky
DecompDiff— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
DecompDiff— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
DecompDiff— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
DecompDiff— Kdo to vytvořil?
Bylo to publikováno společností University of Illinois Urbana-Champaign (UIUC),ByteDance,University of Chinese Academy of Sciences,Chinese Academy of Sciences,Tsinghua University, zakládající se na United States of America, organizace zařazená jako academia,Industry,Academia,Academia,Academia.
DecompDiff— Kdy byl vydán?
Bylo to zveřejněno v February 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
DecompDiff— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol drug discovery. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
DecompDiff— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.9 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA A100. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.