RNAdiffusion
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
- Princeton University,Tsinghua University,Stanford University
- Typ organizace
- Academia,Academia,Academia
- Země
- United States of America, China
- Publikováno
- 15 September 2024
- Autoři
- Kaixuan Huang, Yukang Yang, Kaidi Fu, Yanyi Chu, Le Cong, Mengdi Wang
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- RNA sequence generation
- Základní model
- RNA-FM
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
Diffusion part: 1.1M sequences. 205k UTR sequences Reward model: 101k sequences Total: 1100000+205000+101000=1406000 sequences Assuming average token length of 300: 1406000*300=421800000
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
- 2.5 × 10¹⁹ FLOP
- Jak bylo ustanoveno
- Hardware
Autoencoder: 8.5h per epoch on single H100, 2 epochs total Diffusion model: 3.5h per epoch on single H100, 3 epochs total Reward model: 7h on a single A100 Total training time: 2*8.5+3*3.5+7=34.5 Compute: ((2*8.5+3*3.5)*756000000000000+7*312000000000000)*60*60*0.3=2.481192e+19
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA H100 PCIe,NVIDIA A100
- Používané čipy
- 1
- Doba reálného času
- 35 hours
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Likely
- Citace
- 9
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Latent Diffusion Models for Controllable RNA Sequence Generation
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
RNAdiffusion byl zveřejněn Princeton University,Tsinghua University,Stanford University, v zemi zaznamenané jako United States of America, během September 2024. Vychází z organizace, která je kategorizována jako academia,Academia,Academia.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol rNA sequence generation.
Místo toho, aby byl trénován od nuly, je odvozen z RNA-FM. To je obvyklý způsob, jak je specializovaný model vytvářen.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Trénink a původ
Trénování si vyžádalo výpočetní rozpočet přibližně 2.5 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA H100 PCIe,NVIDIA A100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
RNAdiffusion — běžné otázky
RNAdiffusion— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol rNA sequence generation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
RNAdiffusion— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.5 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA H100 PCIe,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.
RNAdiffusion— 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.
RNAdiffusion— 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.
RNAdiffusion— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
RNAdiffusion— Kdo to vytvořil?
Bylo to publikováno společností Princeton University,Tsinghua University,Stanford University, zakládající se na United States of America, organizace zařazená jako academia,Academia,Academia.
RNAdiffusion— Kdy byl vydán?
Bylo to zveřejněno v September 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.