ESM-DBP
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Hunan University
- Type d'organisation
- Academia
- Pays
- China
- Publié
- 7 September 2024
- Auteurs
- Wenwu Zeng, Yutao Dou, Liangrui Pan, Liwen Xu, Shaoliang Peng
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Protein or nucleotide language model (pLM/nLM)
- Modèle de base
- ESM2-650M
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 650M
- Données d'entraînement
- 7,661,880 tokens
- Taille de lot
- 100
"so the ESM2 model with 650 million parameters is used to continue training here."
"170,264 non-redundant DBP sequences (abbreviate as UniDBP40) are used as the pretraining data set."
"The batch size is set to 100."
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Ajustement fin des calculs
- 1.3 × 10¹⁹ FLOP
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory." Assume FP16 precision and 40% utilization.
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Chips utilisés
- 4
- Temps en temps réel
- 72 hours
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory."
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Improving prediction performance of general protein language model by domain-adaptive pretraining on DNA-binding protein
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Ce que ce modèle est
ESM-DBP a été publié par Hunan University, dans le pays enregistré comme China, durant September 2024. L'organisation de publication est catégorisée comme academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de protein or nucleotide language model (pLM/nLM).
Son point de départ était un modèle de base existant, ESM2-650M. C'est la façon habituelle de produire un modèle spécialisé.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Qu'est-ce qui a été nécessaire pour le construire
L'ensemble d'entraînement a duré environ 7,661,880 jetons de texte
Réponses
ESM-DBP — questions courantes
ESM-DBP— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de protein or nucleotide language model (pLM/nLM). Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
ESM-DBP— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
ESM-DBP— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
ESM-DBP— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 650M. "so the ESM2 model with 650 million parameters is used to continue training here.". Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
ESM-DBP— qui l'a créé ?
Il a été publié par Hunan University, basé sur China, une organisation catégorisée comme academia.
ESM-DBP— quand a-t-il été publié ?
Il a été publié dans September 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.