ESM-DBP
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Hunan University
- Organisationsart
- Academia
- Land
- China
- Veröffentlicht
- 7 September 2024
- Autoren
- Wenwu Zeng, Yutao Dou, Liangrui Pan, Liwen Xu, Shaoliang Peng
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Biology
- Aufgabe
- Protein or nucleotide language model (pLM/nLM)
- Basis-Modell
- ESM2-650M
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 650M
- Trainingsdaten
- 7,661,880 tokens
- Batch-Größe
- 100
"so the ESM2 model with 650 million parameters is used to continue training here."
"170,264 non-redundant DBP sequences (abbreviate as UniDBP40) are used as the pretraining data set."
"The batch size is set to 100."
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Feinabstimmung Rechenleistung
- 1.3 × 10¹⁹ FLOP
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory." Assume FP16 precision and 40% utilization.
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Verwendete Chips
- 4
- Wand-Uhrzeit
- 72 hours
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory."
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Confident
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Improving prediction performance of general protein language model by domain-adaptive pretraining on DNA-binding protein
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Was dieses Modell ist
ESM-DBP wurde veröffentlicht von Hunan University, im Land aufgezeichnet als China, während September 2024. Die veröffentlichende Organisation ist als academia.
Es funktioniert im Bereich von Biology, und wird als die Aufgabe von aufgezeichnet protein or nucleotide language model (pLM/nLM).
Der Ausgangspunkt war ein vorhandenes Basis-Modell, ESM2-650M. Das ist der übliche Weg, wie ein spezialisiertes Modell hergestellt wird.
Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.
Was in den Aufbau geflossen ist
Der Trainingssatz lief auf etwa 7,661,880 Text-Tokens
Antworten
ESM-DBP — Häufige Fragen
ESM-DBP— Wofür wird es verwendet?
Es funktioniert im Bereich von Biology, und wird als Bewältigung der Aufgabe von protein or nucleotide language model (pLM/nLM). Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
ESM-DBP— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
ESM-DBP— Ist es Open-Source?
Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.
ESM-DBP— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 650M. "so the ESM2 model with 650 million parameters is used to continue training here.". Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
ESM-DBP— Wer hat es erstellt?
Es wurde veröffentlicht von Hunan University, basiert auf China, eine als kategorisierte Organisation academia.
ESM-DBP— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in September 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.