KeAP
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
- The University of Hong Kong,ByteDance,JancsiTech,OPPO HealthLab
- Tipo de Organización
- Academia,Industry,Industry,Industry
- País
- Hong Kong, China
- Publicado
- 30 January 2023
- Autores
- Hong-Yu Zhou, Yunxiang Fu, Zhicheng Zhang, Cheng Bian, Yizhou Yu
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Proteins, Protein representation learning
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
- 36,000,000 tokens
"ProteinKG25 (Zhang et al., 2022) provides a knowledge graph that consists of approximately five million triplets, with nearly 600k protein, 50k attribute terms, and 31 relation terms included" Assuming the relation and attribute terms are ~5 tokens and proteins are ~300 tokens 5000000*305=1525000000
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
- 11
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Protein Representation Learning via Knowledge Enhanced Primary Structure Modeling
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
KeAP fue publicado por The University of Hong Kong,ByteDance,JancsiTech,OPPO HealthLab, en el país registrado como Hong Kong, durante January 2023. Sale de una organización categorizada como academia,Industry,Industry,Industry.
Funciona en el dominio de Biology, y se registra como realizando la tarea de proteins, Protein representation learning.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Qué se necesitó para construirlo
El conjunto de entrenamiento se ejecutó a aproximadamente 36,000,000 tokens de texto
Respuestas
KeAP — preguntas comunes
KeAP— ¿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.
KeAP— ¿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.
KeAP— ¿Quién lo creó?
Fue publicado por The University of Hong Kong,ByteDance,JancsiTech,OPPO HealthLab, basado en Hong Kong, una organización categorizada como academia,Industry,Industry,Industry.
KeAP— ¿cuándo fue lanzado?
Se publicó en January 2023. 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.
KeAP— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de proteins, Protein representation learning. 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.
KeAP— ¿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.
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.