MTDP
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
- Chinese University of Hong Kong (CUHK),City University of Hong Kong
- Tipo de Organización
- Academia,Academia
- País
- Hong Kong
- Publicado
- 24 September 2024
- Autores
- Jiayu Shang, Cheng Peng, Yongxin Ji, Jiaojiao Guan, Dehan Cai, Xubo Tang, Yanni Sun
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 embedding
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.
- parámetros
- 20M
- Datos de entrenamiento
- tokens
- Épocas
- 10
- Tamaño de lote
- 16
"In particular, the student model in MTDP has a significantly smaller parameter scale (~20 million)" from 2.1 Model Structure
"MTDP is pre-trained on ~500 000 proteins from UniProtKB (Swiss-Prot) provided by the teacher model (Elnaggar et al. 2021)." from 2.3.1 Pre-training data
"We conducted the pre-training process on four RTX 3080 24 GB Nvidia GPUs, with a batch size of 16." from 2.3.1 Pre-training data
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
- 6 × 10¹⁴ FLOP
- Cómo se estableció
- Operation counting
6 * 20,000,000 connections * 500,000 training examples * 10 epochs = 6.0e14 FLOP
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 GeForce RTX 3080
- Chips utilizados
- 4
- Consumo de energía
- 2.5 kW
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
Academic Free License v3.0 License. Inference and fine-tuning code + datasets, I don't see model weights and training code https://github.com/KennthShang/MTDP
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
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Accurate and efficient protein embedding using multi-teacher distillation learning
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
MTDP fue publicado por Chinese University of Hong Kong (CUHK),City University of Hong Kong, en el país registrado como Hong Kong, durante September 2024. Sale de una organización categorizada como academia,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein embedding.
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 entrenamiento consumió alrededor de 6 × 10¹⁴ FLOP, en hardware registrado como NVIDIA GeForce RTX 3080. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
MTDP — preguntas comunes
MTDP— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein embedding. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
MTDP— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 6 × 10¹⁴ FLOP, en hardware registrado como NVIDIA GeForce RTX 3080. 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.
MTDP— ¿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.
MTDP— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
MTDP— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 20M. "In particular, the student model in MTDP has a significantly smaller parameter scale (~20 million)" from 2.1 Model Structure. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
MTDP— ¿Quién lo creó?
Fue publicado por Chinese University of Hong Kong (CUHK),City University of Hong Kong, basado en Hong Kong, una organización categorizada como academia,Academia.
MTDP— ¿cuándo fue lanzado?
Se publicó en September 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.
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.