Re-Dock
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
- Zhejiang University (ZJU),Westlake University,University of Washington
- Tipo de Organización
- Academia,Academia,Academia
- País
- China, United States of America
- Publicado
- 21 February 2024
- Autores
- Yufei Huang, Odin Zhang, Lirong Wu, Cheng Tan, Haitao Lin, Zhangyang Gao, Siyuan Li, Stan. Z. Li
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-ligand contact prediction
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.
- Datos de entrenamiento
- tokens
23496 examples in PDBbind 2020
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.
- Cómputo de entrenamiento
- 7.5 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware
1. Hardware setup: 1x NVIDIA A100 GPU (3.12e14 FLOP/s) 2. Training duration: 7 days (directly provided) = 604,800 seconds 3. Utilization rate: 40% 4. Final calculation: 1 GPU × 3.12e14 FLOP/s × 604,800s × 0.4 = 7.55e19 FLOPs
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100
- Chips utilizados
- 1
- Tiempo de reloj
- 168 hours (7 days)
- Consumo de energía
- 435 W
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
- Likely
- Citas
- 24
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion Bridge
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
Re-Dock fue publicado por Zhejiang University (ZJU),Westlake University,University of Washington, en el país registrado como China, durante February 2024. La categoría en la que se encuentra el editor es academia,Academia,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein-ligand contact prediction.
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
Producirlo requirió una aritmética que totaliza alrededor de 7.5 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
Re-Dock — preguntas comunes
Re-Dock— ¿Quién lo creó?
Fue publicado por Zhejiang University (ZJU),Westlake University,University of Washington, basado en China, una organización categorizada como academia,Academia,Academia.
Re-Dock— ¿cuándo fue lanzado?
Se publicó en February 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.
Re-Dock— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein-ligand contact prediction. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Re-Dock— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.5 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
Re-Dock— ¿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.
Re-Dock— ¿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.
Re-Dock— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
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.