CLEAN-Contact
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
- Cleveland Clinic,Kent State University,Pacific Northwest National Laboratory
- Typ organizace
- Academia,Academia,Government
- Země
- United States of America
- Publikováno
- 8 October 2024
- Autoři
- Yuxin Yang, Abby Jerger, Song Feng, Zixu Wang, Christina Brasfield, Margaret S. Cheung, Jeremy Zucker, Qiang Guan
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Enzyme function 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
- 224,742 tokens
224,742 = 2.24742e5 datapoints (unique protein sequences with contact maps from Swiss-Prot database)
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
- Open (non-commercial)
All codes and data used in training and testing are available at https://github.com/pnnl-predictive-phenomics/clean-contact. ( NON-EXCLUSIVE RESEARCH USE LICENSE FOR CLEAN SOFTWARE) CLEAN-Contact is also freely accessible through an easy-to-use web server: https://ersa.guans.cs.kent.edu/
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
- 1
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- CLEAN-Contact: Contrastive Learning-enabled Enzyme Functional Annotation Prediction with Structural Inference
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
O tomto modelu
CLEAN-Contact byl zveřejněn Cleveland Clinic,Kent State University,Pacific Northwest National Laboratory, v zemi zaznamenané jako United States of America, během October 2024. Vychází z organizace, která je kategorizována jako academia,Academia,Government.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol enzyme function prediction.
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
Trénink spotřeboval korpus kolem 224,742 tokeny textu
Odpovědi
CLEAN-Contact — běžné otázky
CLEAN-Contact— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol enzyme function prediction. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
CLEAN-Contact— 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.
CLEAN-Contact— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
CLEAN-Contact— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
CLEAN-Contact— Kdo to vytvořil?
Bylo to publikováno společností Cleveland Clinic,Kent State University,Pacific Northwest National Laboratory, zakládající se na United States of America, organizace zařazená jako academia,Academia,Government.
CLEAN-Contact— 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.
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.