CodonTransformer
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
- Vector Institute,University of Toronto,Université Paris Cité
- Tipo de Organización
- Academia,Academia,Academia
- País
- Canada, France
- Publicado
- 13 September 2024
- Autores
- Adibvafa Fallahpour, Vincent Gureghian, Guillaume J. Filion, Ariel B. Lindner, Amir Pandi
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Codon optimization
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
- 89.6M
- Datos de entrenamiento
- 45,053,865 tokens
- Épocas
- 20
"total number of parameters to 89.6 million."
1,001,197 sequences × 300 tokens/sequence = 300359100
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 V100
- Chips utilizados
- 16
- Consumo de energía
- 9.5 kW
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
- CodonTransformer: a multispecies codon optimizer using context-aware neural networks
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
CodonTransformer fue publicado por Vector Institute,University of Toronto,Université Paris Cité, en el país registrado como Canada, durante September 2024. La organización editora está clasificada como academia,Academia,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de codon optimization.
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 conjunto de entrenamiento se ejecutó a aproximadamente 45,053,865 tokens de texto
Respuestas
CodonTransformer — preguntas comunes
CodonTransformer— ¿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.
CodonTransformer— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de codon optimization. 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.
CodonTransformer— ¿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.
CodonTransformer— ¿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.
CodonTransformer— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 89.6M. "total number of parameters to 89.6 million.". 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.
CodonTransformer— ¿Quién lo creó?
Fue publicado por Vector Institute,University of Toronto,Université Paris Cité, basado en Canada, una organización categorizada como academia,Academia,Academia.
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.