GeoSeqBuilder
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte dieses Modells sind OPEN, aber es wurde keine Parameteranzahl veröffentlicht. Jede MEMORY- und Geschwindigkeitszahl basiert auf dieser Zahl, daher zeigen wir lieber nichts als eine erfundene Schätzung..
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
- Peking University
- Organisationsart
- Academia
- Land
- China
- Veröffentlicht
- 19 September 2024
- Autoren
- Jiale Liu, Zheng Guo, Hantian You, Changsheng Zhang, Luhua Lai
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Biology
- Aufgabe
- Protein design, Protein generation
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.
- Trainingsdaten
- 35,250,000 tokens
Training datapoints = Training proteins × Average residues per protein 23,500 × 200 = 4,700,000 datapoints Final estimate: 4.7 million datapoints
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.
- Training-Compute
- 6.5 × 10¹⁸ FLOP
- Wie es etabliert wurde
- Hardware
1. Hardware: 1x NVIDIA A30 GPU (1.50×10¹⁴ FLOP/s using fp16 tensor cores) 2. Training duration: Directly provided - 15 epochs × 2 hours/epoch = 30 hours = 108,000 seconds 3. Utilization rate: 40% 4. Calculation: 1.50×10¹⁴ FLOP/s × 1 GPU × 108,000s × 0.40 = 6.48×10¹⁸ FLOP
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA A30 PCIe
- Verwendete Chips
- 1
- Wand-Uhrzeit
- 30 hours
- Stromverbrauch
- 179 W
Training duration: Directly provided - 15 epochs × 2 hours/epoch = 30 hours = 108,000 seconds
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Open — downloadable
- Modellzugang
- Open weights (non-commercial)
- Training-Code
- Unreleased
no clear license https://github.com/PKUliujl/GeoSeqBuilder
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
- Zitationen
- 1
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- All-Atom Protein Sequence Design Based on Geometric Deep Learning
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
GeoSeqBuilder wurde veröffentlicht von Peking University, im Land aufgezeichnet als China, während September 2024. Die Kategorie, in die der Herausgeber fällt, ist academia.
Es funktioniert im Bereich von Biology, und wird als die Aufgabe von aufgezeichnet protein design, Protein generation.
Das Offen-Wiegen ist es, was diese Seite in den Rechner anstatt nur in den Katalog bringt: es ist ein Modell, das man tatsächlich halten kann.
Was in den Aufbau geflossen ist
Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 6.5 × 10¹⁸ FLOP, auf Hardware erfasst als NVIDIA A30 PCIe. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Der Trainingssatz lief auf etwa 35,250,000 Text-Tokens
Antworten
GeoSeqBuilder — Häufige Fragen
GeoSeqBuilder— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 6.5 × 10¹⁸ FLOP, auf Hardware erfasst als NVIDIA A30 PCIe. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
GeoSeqBuilder— Welche GPU benötige ich, um es auszuführen?
Wir können nichts sagen. Es hat offene Gewichte, aber es wurde keine Parameteranzahl veröffentlicht, und jede Berechnung von Speicher und Geschwindigkeit basiert auf dieser Zahl. Wir würden lieber nichts zeigen als eine erfundene Schätzung.
GeoSeqBuilder— Ist es Open-Source?
Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.
GeoSeqBuilder— Wie viele Parameter hat es?
Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.
GeoSeqBuilder— Wer hat es erstellt?
Es wurde veröffentlicht von Peking University, basiert auf China, eine als kategorisierte Organisation academia.
GeoSeqBuilder— 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.
GeoSeqBuilder— Wofür wird es verwendet?
Es funktioniert im Bereich von Biology, und wird als Bewältigung der Aufgabe von protein design, Protein generation. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
GeoSeqBuilder— Wo kann ich es herunterladen?
Die Gewichte sind veröffentlicht, obwohl wir keinen Repository-Link dafür haben. Diese Seite berechnet die Hardware-Anforderungen, anstatt Modell-Dateien zu hosten.
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.