Repress
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
- DeepGenomics
- Typ organizace
- Industry
- Země
- Canada
- Publikováno
- 16 May 2025
- Autoři
- Bhargav Kanuparthi, Sara E. Pour, Scott D. Findlay Omar Wagih, Jahir M. Gutierrez, Rory Gao, Jeff Wintersinger, Junru Lin, Martino Gabra, Emma Bohn, Tammy Lau, Chris Cole, Andrew Jung, Albi Celaj, Fraser Soares, Rachel Gray, Brandon Vaz, Kate Delfosse, Varun Lodaya, Sakshi Bhargava, Diane Ly, Farhan Yusuf, Ken Kron, Greg Hoffman, Shreshth Gandhi, Brendan J. Frey
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 133M
- Výcviková data
- tokens
- Epochy
- 60
133M
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA RTX A6000
- Používané čipy
- 1
- Příkon
- 323 W
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
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
Smaller mode: Creative Commons Attribution-NonCommercial 4.0 International Public License https://github.com/deepgenomics/repress "he version of REPRESS released in this repository has 8356199 parameters"
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Sequence based prediction of cell type specific microRNA binding and mRNA degradation for therapeutic discovery
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
Repress byl zveřejněn DeepGenomics, v zemi zaznamenané jako Canada, během May 2025. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Odpovědi
Repress — běžné otázky
Repress— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Repress— kolik má parametrů?
Má počet parametrů 133M. 133M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Repress— Kdo to vytvořil?
Bylo to publikováno společností DeepGenomics, zakládající se na Canada, organizace zařazená jako industry.
Repress— Kdy byl vydán?
Bylo to zveřejněno v May 2025.
Repress— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
Repress— 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.
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.