GraphMS
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
- Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center
- Tipo de Organización
- Academia,Academia,Industry,Academia
- País
- China
- Publicado
- 4 April 2021
- Autores
- Shicheng Cheng, Liang Zhang, Bo Jin, Qiang Zhang, Xinjiang Lu, Mao You, Xueqing Tian
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
- 963,423 tokens
- Épocas
- 10
Edges: Drug-Protein: 1,923 Drug-Disease: 199,214 Protein-Disease: 1,596,745 Drug-Drug: 10,036 Protein-Protein: 7,363 1,923 + 199,214 + 1,596,745 + 10,036 + 7,363 = 1,815,281 total edges Final estimate: 1.8 × 10⁶ "We trained the model for 10 epochs, where each epoch contained 100 steps."
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
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
- 14
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- GraphMS: Drug Target Prediction Using Graph Representation Learning with Substructures
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
GraphMS fue publicado por Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center, en el país registrado como China, durante April 2021. La organización editora está clasificada como academia,Academia,Industry,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein-ligand contact prediction.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
El conjunto de entrenamiento se ejecutó a aproximadamente 963,423 tokens de texto
Respuestas
GraphMS — preguntas comunes
GraphMS— ¿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.
GraphMS— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GraphMS— ¿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.
GraphMS— ¿Quién lo creó?
Fue publicado por Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center, basado en China, una organización categorizada como academia,Academia,Industry,Academia.
GraphMS— ¿cuándo fue lanzado?
Se publicó en April 2021. 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.
GraphMS— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein-ligand contact prediction. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
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.