CRL
Χωρίς εκτίμηση
Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο
Τα βάρη αυτού του μοντέλου δεν έχουν δημοσιευθεί, επομένως δεν μπορεί να κατεβεί ή να τρέξει σε δικό σας υλικό οποιουδήποτε μεγέθους. Είναι προσβάσιμο μόνο μέσω του παρόχου του και καμία κάρτα γραφικών δεν το αλλάζει αυτό.
Σε εγγραφή
Πλήρης προδιαγραφή
Όλα τα δεδομένα σχετικά με αυτό το μοντέλο. Τα περισσότερα περιγράφουν πώς εκπαιδεύτηκε παρά πώς τρέχει — χρήσιμο πλαίσιο για την αξιολόγηση του πόσο δουλειά απαιτήθηκε και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα.
Προέλευση
Ποιος δημιούργησε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε;
- Οργάνωση
- Ulm University
- Χώρα
- Germany
- Δημοσιευμένο
- 31 May 2022
- Συγγραφείς
- Pedro Hermosilla, Timo Ropinski
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Biology
- Εντολή
- Protein folding prediction, Protein classification, Protein-ligand binding affinity prediction, Protein structure similarity prediction
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- Δεδομένα εκπαίδευσης
- 952,724 tokens
"We collected 476, 362 different protein chains, each composed of at least 25 of amino acids."
Η εκπαίδευση
Τι χρειάστηκε φυσικά για να εκπαιδεύσουμε: ποια τσιπ, πόσα, για πόσο καιρό, και τι αυτό τραβούσε από τον τοίχο.
- Χρόνος τοίχου
- 144 hours
Πώς ταξινομείται
Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.
- Καταγραφή εμπιστοσύνης
- Confident
- Αναφορές
- 61
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.
- Αναφορά
- Contrastive Representation Learning for 3D Protein Structures
- Τελευταία ενημέρωση
- 25 May 2026
Τι σημαίνουν οι αριθμοί
Ιστορικό
CRL was published by Ulm University, in Germany, in May 2022.
It works in Biology, and is recorded as doing protein folding prediction, Protein classification, Protein-ligand binding affinity prediction, Protein structure similarity prediction.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Πώς εκπαιδεύτηκε
Around 952,724 tokens went into training it.
Απαντήσεις
CRL — Συχνές ερωτήσεις
Is CRL open source?
The licensing for CRL 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 CRL have?
No parameter count has been published for CRL, which is why no memory or speed figure appears on this page.
Ποιος δημιούργησε το CRL;
CRL was published by Ulm University, based in Germany.
When was CRL released?
CRL was published in May 2022. 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 CRL used for?
CRL works in Biology, and is recorded as handling protein folding prediction, Protein classification, Protein-ligand binding affinity prediction, Protein structure similarity prediction. 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 CRL?
None. CRL 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.
Η άλλη κατεύθυνση
Βλέποντάς το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινάει από το μοντέλο. Αν ήδη διαθέτετε μια κάρτα και θέλετε να γνωρίζετε όλα όσα θα τρέξει, Ξεκινήστε από το υλικό αντί..