Cancer drug mechanism prediction
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
- National Cancer Institute
- Type d'organisation
- Government
- Pays
- United States of America
- Publié
- 16 October 1992
- Auteurs
- John N. Weinstein, Kurt W. Kohn, Michael R. Grever, Vellarkad N. Viswanadhan, Lawrence V. Rubinstein, Anne P. Monks, Dominic A. Scudiero, Lester Welch, Antonis D. Koutsoukos, August J. Chiausa, Kenneth D. Paull
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Medicine
- Tâche
- Drug discovery
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
- 0.6K
- Données d'entraînement
- 141 tokens
“The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594
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.
- Calcul de formation
- 5.3 × 10⁷ FLOP
- Comment cela a été établi
- Operation counting
2*594*3*15000=53460000=5.35e7 “The extent of training was 15,000 presentations“
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.
- Pourquoi c'est suivi
- Historical significance
- Confiance d'enregistrement
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Neural computing in cancer drug development: predicting mechanism of action
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
À propos de ce modèle
Cancer drug mechanism prediction a été publié par National Cancer Institute, dans le pays enregistré comme United States of America, durant October 1992. La catégorie à laquelle appartient l'éditeur est government.
Il fonctionne dans le domaine de Medicine, et est enregistré comme exécutant la tâche de drug discovery.
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
La production a nécessité des calculs totalisant environ 5.3 × 10⁷ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Il a été entraîné sur un corpus d'environ 141 jetons de texte
Son critère d'inclusion : historical significance.
Réponses
Cancer drug mechanism prediction — questions courantes
Cancer drug mechanism prediction— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 0.6K. “The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594. 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.
Cancer drug mechanism prediction— qui l'a créé ?
Il a été publié par National Cancer Institute, basé sur United States of America, une organisation catégorisée comme government.
Cancer drug mechanism prediction— quand a-t-il été publié ?
Il a été publié dans October 1992. 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.
Cancer drug mechanism prediction— à quoi ça sert ?
Il fonctionne dans le domaine de Medicine, et est enregistré comme gérant la tâche de drug discovery. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Cancer drug mechanism prediction— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 5.3 × 10⁷ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Cancer drug mechanism prediction— 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.
Cancer drug mechanism prediction— 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.
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.