CPCProt
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- University of Toronto
- Type d'organisation
- Academia
- Pays
- Canada
- Publié
- 10 November 2020
- Auteurs
- Amy X. Lu, Haoran Zhang, Marzyeh Ghassemi, Alan Moses
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Protein or nucleotide language model (pLM/nLM)
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Paramètres
- 1.7M
- Données d'entraînement
- 2,963,049,428 tokens
- Époques
- 19
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
- Citations
- 95
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Self-Supervised Contrastive Learning of Protein Representations By Mutual Information Maximization
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
Where it came from
CPCProt was published by University of Toronto, in Canada, in November 2020. The organisation is categorised as academia.
It works in Biology, and is recorded as doing protein or nucleotide language model (pLM/nLM).
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Comment il a été entraîné
Around 2,963,049,428 tokens went into training it.
Réponses
CPCProt — Questions fréquentes
How many parameters does CPCProt have?
CPCProt a 1,7M de paramètres. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-giga par milliard à la compression que la plupart des gens utilisent.
Who created CPCProt?
CPCProt was published by University of Toronto, based in Canada, categorised as academia.
When was CPCProt released?
CPCProt was published in November 2020. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is CPCProt used for?
CPCProt works in Biology, and is recorded as handling protein or nucleotide language model (pLM/nLM). A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run CPCProt?
None. CPCProt is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is CPCProt open source?
The licensing for CPCProt was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.