PLUS-RNN
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
- Seoul National University,LG AI Research,NAVER,Kangwon National University
- Organisationstyp
- Academia,Industry,Industry,Academia
- Land
- Korea (Republic of)
- Veröffentlicht
- 3 September 2021
- Autoren
- Seonwoo Min, Seunghyun Park, Siwon Kim, Hyun-Soo Choi, Byunghan Lee, Sungroh Yoon
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Biology
- Aufgabe
- Protein or nucleotide language model (pLM/nLM)
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
- tokens
14,670,860 protein sequences × 150 amino acids/sequence = 2.2 billion datapoints (2.2 × 10^9 total tokens)
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
- 69
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Pre-Training of Deep Bidirectional Protein Sequence Representations With Structural Information
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Was dieses Modell ist
PLUS-RNN was published by Seoul National University,LG AI Research,NAVER,Kangwon National University, in Korea (Republic of), in September 2021. The organisation is categorised as academia,Industry,Industry,Academia.
It works in Biology, and is recorded as doing protein or nucleotide language model (pLM/nLM).
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Antworten
PLUS-RNN — Häufig gestellte Fragen
When was PLUS-RNN released?
PLUS-RNN was published in September 2021. 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 PLUS-RNN used for?
PLUS-RNN works in Biology, and is recorded as handling protein or nucleotide language model (pLM/nLM). 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.
What GPU do I need to run PLUS-RNN?
None. PLUS-RNN 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 PLUS-RNN open source?
The licensing for PLUS-RNN was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does PLUS-RNN have?
No parameter count has been published for PLUS-RNN, which is why no memory or speed figure appears on this page.
Who created PLUS-RNN?
PLUS-RNN was published by Seoul National University,LG AI Research,NAVER,Kangwon National University, based in Korea (Republic of), categorised as academia,Industry,Industry,Academia.
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.