GPT-MolBERTa
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..
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
- Carnegie Mellon University (CMU)
- Typ organizace
- Academia
- Země
- United States of America
- Publikováno
- 20 September 2023
- Autoři
- Suryanarayanan Balaji, Rishikesh Magar, Yayati Jadhav, Amir Barati Farimani
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Molecular property prediction
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 9,780,000 tokens
326,000 molecules × 100 tokens/molecule = 32,600,000 (3.26e7) total tokens
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
The Python code and datasets used in this study can be accessed on GitHub using the following link: https://github.com/Suryanarayanan-Balaji/GPT-MolBERTa MIT license
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
- 25
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- GPT-MolBERTa: GPT Molecular Features Language Model for molecular property prediction
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
GPT-MolBERTa byl zveřejněn Carnegie Mellon University (CMU), v zemi zaznamenané jako United States of America, během September 2023. Kategorie, do které vydavatel spadá, je academia.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol molecular property prediction.
Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet.
Trénink a původ
Bylo to trénováno na korpusu asi 9,780,000 tokeny textu
Odpovědi
GPT-MolBERTa — běžné otázky
GPT-MolBERTa— kde si to mohu stáhnout?
Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.
GPT-MolBERTa— Jakou GPU potřebuji k jejímu spuštění?
Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.
GPT-MolBERTa— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
GPT-MolBERTa— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
GPT-MolBERTa— Kdo to vytvořil?
Bylo to publikováno společností Carnegie Mellon University (CMU), zakládající se na United States of America, organizace zařazená jako academia.
GPT-MolBERTa— Kdy byl vydán?
Bylo to zveřejněno v September 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
GPT-MolBERTa— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol molecular property prediction. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
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.