DDPM
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- University Paris-Saclay,Radboud University Medical Center
- Tipo de organización
- Academia,Academia
- País
- France, Netherlands
- Publicado
- 13 April 2024
- Autores
- Alice Lacan, Romain André, Michele Sebag, Blaise Hanczar
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Gene expression profile generation
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 9,541,304 tokens
TCGA: 6,499 × 978 = 6,356,022 GTEx: 9,796 × 974 = 9,541,304 Total: 6,356,022 + 9,541,304 = 15,897,326 ≈ 1.6e7 datapoints
Entrenamiento de computación
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 cuán rápido responde el modelo terminado.
- Entrenamiento de computación
- 9 × 10¹⁷ FLOP
- Cómo se estableció
- Hardware
1. Hardware setup: 1x NVIDIA A40 GPU (1.50×10¹⁴ FLOP/s per GPU) 2. Training duration: 15,000 seconds (directly provided - sum of TCGA training: 3,780s and GTEx training: 11,220s) 3. Utilization rate: 40% 4. Calculation: 1.50×10¹⁴ FLOP/s × 1 GPU × 15,000s × 0.4 = 9.0×10¹⁷ FLOPs
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A40 PCIe
- Chips usados
- 1
- Consumo de energía
- 326 W
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Confident
- Citations
- 4
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- In Silico Generation of Gene Expression profiles using Diffusion Models
- Última actualización
- 28 November 2025
Qué significan los números
Where it came from
DDPM was published by University Paris-Saclay,Radboud University Medical Center, in France, in April 2024. It comes out of academia,Academia.
It works in Biology, and is recorded as doing gene expression profile generation.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Cómo fue entrenado
Producing it required around 9 × 10¹⁷ FLOP of arithmetic, on NVIDIA A40 PCIe, which is a statement about the training budget rather than about inference.
Around 9,541,304 tokens went into training it.
Respuestas
DDPM — Preguntas frecuentes
How many parameters does DDPM have?
No parameter count has been published for DDPM, which is why no memory or speed figure appears on this page.
Who created DDPM?
DDPM was published by University Paris-Saclay,Radboud University Medical Center, based in France, categorised as academia,Academia.
When was DDPM released?
DDPM was published in April 2024. 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 DDPM used for?
DDPM works in Biology, and is recorded as handling gene expression profile generation. 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.
How much compute was used to train DDPM?
Around 9 × 10¹⁷ FLOP, on NVIDIA A40 PCIe. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run DDPM?
None. DDPM 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 DDPM open source?
The licensing for DDPM was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.