DDPM
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- University Paris-Saclay,Radboud University Medical Center
- Organisationstyp
- Academia,Academia
- Land
- France, Netherlands
- Veröffentlicht
- 13 April 2024
- Autoren
- Alice Lacan, Romain André, Michele Sebag, Blaise Hanczar
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Biology
- Aufgabe
- Gene expression profile generation
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Trainingsdaten
- 9,541,304 tokens
TCGA: 6,499 × 978 = 6,356,022 GTEx: 9,796 × 974 = 9,541,304 Total: 6,356,022 + 9,541,304 = 15,897,326 ≈ 1.6e7 datapoints
Training-Computing
Die zur Ausbildung des Modells durchgeführte Arithmetik, gemessen in Gleitkommaoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht wie schnell das fertige Modell Ihnen antwortet.
- Training-Computing
- 9 × 10¹⁷ FLOP
- Wie es etabliert wurde
- Hardware
1. Hardware setup: 1x NVIDIA A40 GPU (1.50×10¹⁴ FLOP/s per GPU) 2. Training duration: 15,000 seconds (directly provided - sum of TCGA training: 3,780s and GTEx training: 11,220s) 3. Utilization rate: 40% 4. Calculation: 1.50×10¹⁴ FLOP/s × 1 GPU × 15,000s × 0.4 = 9.0×10¹⁷ FLOPs
Der Trainingslauf
Was physisch notwendig war, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Steckdose zog.
- Trainingshardware
- NVIDIA A40 PCIe
- Verwendete Chips
- 1
- Stromverbrauch
- 326 W
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Aufzeichnungszuversicht
- Confident
- Zitationen
- 4
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- In Silico Generation of Gene Expression profiles using Diffusion Models
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Woher es kam
DDPM was published by University Paris-Saclay,Radboud University Medical Center, in France, in April 2024. It comes out of academia,Academia.
It works in Biology, and is recorded as doing gene expression profile generation.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Wie es trainiert wurde
Producing it required around 9 × 10¹⁷ FLOP of arithmetic, on NVIDIA A40 PCIe, which is a statement about the training budget rather than about inference.
Around 9,541,304 tokens went into training it.
Antworten
DDPM — Häufig gestellte Fragen
How many parameters does DDPM have?
No parameter count has been published for DDPM, which is why no memory or speed figure appears on this page.
Who created DDPM?
DDPM was published by University Paris-Saclay,Radboud University Medical Center, based in France, categorised as academia,Academia.
When was DDPM released?
DDPM was published in April 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is DDPM used for?
DDPM works in Biology, and is recorded as handling gene expression profile generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train DDPM?
Around 9 × 10¹⁷ FLOP, on NVIDIA A40 PCIe. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run DDPM?
None. DDPM is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is DDPM open source?
The licensing for DDPM was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.