DrugFormer
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
- University of Florida,University of Texas Health Science Center,H. Lee Moffitt Cancer Center and Research Institute
- Type d'organisation
- Academia,Academia
- Pays
- United States of America
- Publié
- 29 August 2024
- Auteurs
- Xiaona Liu, Qing Wang, Minghao Zhou, Yanfei Wang, Xuefeng Wang, Xiaobo Zhou, Qianqian Song
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Drug Sensitivity Prediction
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
- 21.7M
- Données d'entraînement
- tokens
transformer encoder stack + gated aggregator linear map + classifier + gat = (3*65536+65536+256*1024+1024*256)*6 + 512*256+(2048*256)*32+33+33280
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
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- DrugFormer: Graph‐Enhanced Language Model to Predict Drug Sensitivity
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
DrugFormer a été publié par University of Florida,University of Texas Health Science Center,H. Lee Moffitt Cancer Center and Research Institute, dans le pays enregistré comme United States of America, durant August 2024. Cela provient d'une organisation classée comme academia,Academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de drug Sensitivity Prediction.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Réponses
DrugFormer — questions courantes
DrugFormer— qui l'a créé ?
Il a été publié par University of Florida,University of Texas Health Science Center,H. Lee Moffitt Cancer Center and Research Institute, basé sur United States of America, une organisation catégorisée comme academia,Academia.
DrugFormer— quand a-t-il été publié ?
Il a été publié dans August 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.
DrugFormer— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de drug Sensitivity Prediction. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
DrugFormer— 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.
DrugFormer— 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.
DrugFormer— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 21.7M. transformer encoder stack + gated aggregator linear map + classifier + gat = (3*65536+65536+256*1024+1024*256)*6 + 512*256+(2048*256)*32+33+33280. 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.
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.