Machine learning a model for RNA structure prediction
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
- International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich
- Tipo de Organización
- Academia,Academia,Academia
- País
- Italy, Germany
- Publicado
- 16 November 2020
- Autores
- Nicola Calonaci, Alisha Jones, Francesca Cuturello, Michael Sattler, Giovanni Bussi
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- RNA structure 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
(52 + 388) / 2 = 220 nucleotides per RNA 18 RNA molecules × 220 nucleotides = 3,960 datapoints Rounded to: 4,000 datapoints
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
- 1.8 × 10¹⁸ FLOP
- Cómo se estableció
- Hardware
1. Hardware setup: 576 CPUs (288 nodes × 2 CPUs/node), Intel Xeon E5-2683 v4 FLOP/s per CPU: 2.688 × 10¹¹ FLOP/s Total system: 1.548288 × 10¹⁴ FLOP/s 2. Training duration: Directly provided: 8 hours = 28,800 seconds 3. Utilization rate: 40% (0.4) 4. Final calculation: 1.548288 × 10¹⁴ FLOP/s × 28,800s × 0.4 = 1.78 × 10¹⁸ FLOPs
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
- 32
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Machine learning a model for RNA structure prediction
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
Machine learning a model for RNA structure prediction fue publicado por International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich, en el país registrado como Italy, durante November 2020. La organización editora está clasificada como academia,Academia,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de rNA structure prediction.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 1.8 × 10¹⁸ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
Machine learning a model for RNA structure prediction — preguntas comunes
Machine learning a model for RNA structure prediction— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de rNA structure prediction. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Machine learning a model for RNA structure prediction— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.8 × 10¹⁸ FLOP. 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.
Machine learning a model for RNA structure prediction— ¿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.
Machine learning a model for RNA structure prediction— ¿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.
Machine learning a model for RNA structure prediction— ¿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.
Machine learning a model for RNA structure prediction— ¿Quién lo creó?
Fue publicado por International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich, basado en Italy, una organización categorizada como academia,Academia,Academia.
Machine learning a model for RNA structure prediction— ¿cuándo fue lanzado?
Se publicó en November 2020. 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.
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.