CRL
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
- Ulm University
- País
- Germany
- Publicado
- 31 May 2022
- Autores
- Pedro Hermosilla, Timo Ropinski
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 folding prediction, Protein classification, Protein-ligand binding affinity prediction, Protein structure similarity 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
- 952,724 tokens
"We collected 476, 362 different protein chains, each composed of at least 25 of amino acids."
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Tiempo de reloj
- 144 hours
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
- Citas
- 61
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Contrastive Representation Learning for 3D Protein Structures
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
CRL fue publicado por Ulm University, en el país registrado como Germany, durante May 2022.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein folding prediction, Protein classification, Protein-ligand binding affinity prediction, Protein structure similarity prediction.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Cómo fue entrenado
El entrenamiento consumió un corpus de alrededor de 952,724 tokens de texto
Respuestas
CRL — preguntas comunes
CRL— ¿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.
CRL— ¿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.
CRL— ¿Quién lo creó?
Fue publicado por Ulm University, basado en Germany.
CRL— ¿cuándo fue lanzado?
Se publicó en May 2022. 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.
CRL— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein folding prediction, Protein classification, Protein-ligand binding affinity prediction, Protein structure similarity 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.
CRL— ¿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.