RNADiffFold
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
- Hangzhou Institute of Medicine,Zhejiang University (ZJU),University of Chinese Academy of Sciences
- Typ organizace
- Academia,Academia
- Země
- China
- Publikováno
- 13 October 2024
- Autoři
- Zhen Wang, Yizhen Feng, Qingwen Tian, Ziqi Liu, Pengju Yan, Xiaolin Li
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- RNA structure 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
- tokens
- Epochy
- 400
RNAStrAlign (30,451) + bpRNA TR0 (102,318) + Mutate-seq (2,717) = 135,486 unique sequences 30,451 + 102,318 + 2,717 = 135,486 Final result: 135,486 (1.35e5)
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.
- Jak bylo ustanoveno
- Hardware
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA A40 PCIe
- Používané čipy
- 1
- Příkon
- 325 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
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
The code to reproduce our experiments and source data is available at https://github.com/HIM-AIM/RNADiffFold under an 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
- 10
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- RNADiffFold: Generative RNA Secondary Structure Prediction using Discrete Diffusion Models
- Nap poslední aktualizace
- 1 January 2026
Co čísla znamenají
O tomto modelu
RNADiffFold byl zveřejněn Hangzhou Institute of Medicine,Zhejiang University (ZJU),University of Chinese Academy of Sciences, v zemi zaznamenané jako China, během October 2024. Vychází z organizace, která je kategorizována jako academia,Academia.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol rNA structure prediction.
Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet.
Odpovědi
RNADiffFold — běžné otázky
RNADiffFold— 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.
RNADiffFold— 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.
RNADiffFold— 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.
RNADiffFold— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
RNADiffFold— Kdo to vytvořil?
Bylo to publikováno společností Hangzhou Institute of Medicine,Zhejiang University (ZJU),University of Chinese Academy of Sciences, zakládající se na China, organizace zařazená jako academia,Academia.
RNADiffFold— Kdy byl vydán?
Bylo to zveřejněno v October 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
RNADiffFold— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol rNA structure 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.