DeepFRI
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Das Gewicht dieses Modells ist offen zugänglich, aber keine Parameteranzahl wurde dafür veröffentlicht. Jede Speicher- und Geschwindigkeitsangabe basiert auf dieser Zahl, daher möchten wir lieber nichts anzeigen als eine gefälschte Schätzung..
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
- Flatiron Institute,University of California San Diego,Jagiellonian University,New York University (NYU),Broad Institute,University of Auckland,Massachusettes General Hospital,Harvard Medical School,Massachusetts Institute of Technology (MIT)
- Organisationstyp
- Academia,Academia,Academia,Research collective,Academia,Academia,Academia
- Land
- United States of America, Poland, New Zealand
- Veröffentlicht
- 26 May 2021
- Autoren
- Vladimir Gligorijević, P. Douglas Renfrew, Tomasz Kosciolek, Julia Koehler Leman, Daniel Berenberg, Tommi Vatanen, Chris Chandler, Bryn C. Taylor, Ian M. Fisk, Hera Vlamakis, Ramnik J. Xavier, Rob Knight, Kyunghyun Cho & Richard Bonneau
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Biology
- Aufgabe
- Protein function prediction
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
30k PDB + 220k SWISS-MODEL = 250k 250k * 0.8 = 200k
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Open — downloadable
- Modellzugang
- Open weights (unrestricted)
- Trainingscode
- Open source
The source code for training the DeepFRI model, together with neural network weights are available for research and non-commercial use at https://github.com/flatironinstitute/DeepFRI (BSD-3-Clause license) and it can be cited by using https://doi.org/10.5281/zenodo.4650027. A web service of our method is available at https://beta.deepfri.flatironinstitute.org/
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
- 786
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Structure-based protein function prediction using graph convolutional networks
- Zuletzt aktualisiert
- 1 January 2026
Was die Zahlen bedeuten
Woher es kam
DeepFRI was published by Flatiron Institute,University of California San Diego,Jagiellonian University,New York University (NYU),Broad Institute,University of Auckland,Massachusettes General Hospital,Harvard Medical School,Massachusetts Institute of Technology (MIT), in United States of America, in May 2021. academia,Academia,Academia,Research collective,Academia,Academia,Academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein function prediction.
Weil seine Gewichte veröffentlicht wurden, hängt nichts von einem Anbieter ab, der verfügbar bleibt - es gehört dir, sobald es heruntergeladen ist.
Antworten
DeepFRI — Häufig gestellte Fragen
What is DeepFRI used for?
DeepFRI works in Biology, and is recorded as handling protein function prediction. These are the areas it was designed around; they describe intent rather than a hard boundary.
Where can I download DeepFRI?
The weights for DeepFRI are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
What GPU do I need to run DeepFRI?
We cannot say. DeepFRI has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is DeepFRI open source?
Its weights are published, so DeepFRI can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does DeepFRI have?
No parameter count has been published for DeepFRI, which is why no memory or speed figure appears on this page.
Who created DeepFRI?
DeepFRI was published by Flatiron Institute,University of California San Diego,Jagiellonian University,New York University (NYU),Broad Institute,University of Auckland,Massachusettes General Hospital,Harvard Medical School,Massachusetts Institute of Technology (MIT), based in United States of America, categorised as academia,Academia,Academia,Research collective,Academia,Academia,Academia.
When was DeepFRI released?
DeepFRI was published in May 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.
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.