ESM-DBP
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Hunan University
- Tipo de Organización
- Academia
- País
- China
- Publicado
- 7 September 2024
- Autores
- Wenwu Zeng, Yutao Dou, Liangrui Pan, Liwen Xu, Shaoliang Peng
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Protein or nucleotide language model (pLM/nLM)
- Modelo base
- ESM2-650M
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 650M
- Datos de entrenamiento
- 7,661,880 tokens
- Tamaño de lote
- 100
"so the ESM2 model with 650 million parameters is used to continue training here."
"170,264 non-redundant DBP sequences (abbreviate as UniDBP40) are used as the pretraining data set."
"The batch size is set to 100."
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Computación de ajuste fino
- 1.3 × 10¹⁹ FLOP
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory." Assume FP16 precision and 40% utilization.
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Chips utilizados
- 4
- Tiempo de reloj
- 72 hours
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory."
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Improving prediction performance of general protein language model by domain-adaptive pretraining on DNA-binding protein
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
ESM-DBP fue publicado por Hunan University, en el país registrado como China, durante September 2024. La organización editora está clasificada como academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein or nucleotide language model (pLM/nLM).
Su punto de partida fue un modelo base existente, ESM2-650M. Esa es la forma habitual en que se produce un modelo especializado.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Qué se necesitó para construirlo
El conjunto de entrenamiento se ejecutó a aproximadamente 7,661,880 tokens de texto
Respuestas
ESM-DBP — preguntas comunes
ESM-DBP— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein or nucleotide language model (pLM/nLM). Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
ESM-DBP— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
ESM-DBP— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
ESM-DBP— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 650M. "so the ESM2 model with 650 million parameters is used to continue training here.". Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
ESM-DBP— ¿Quién lo creó?
Fue publicado por Hunan University, basado en China, una organización categorizada como academia.
ESM-DBP— ¿cuándo fue lanzado?
Se publicó en September 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.