dnaGrinder
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
- Hong Kong Polytechnic University
- Type d'organisation
- Academia
- Pays
- Hong Kong
- Publié
- 24 September 2024
- Auteurs
- Qihang Zhao, Chi Zhang, Weixiong Zhang
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)
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
- 63.6M
- Données d'entraînement
- 10,425,000,000 tokens
Main Pretraining: 69 billion Further Pretraining: 0.41 billion Total: 69 + 0.41 = 69.41 billion (6.94e10) tokens
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
- 2.8 × 10¹⁹ FLOP
1. Hardware setup: - Initial: 8x NVIDIA H100 SXM5 (7.56e14 FLOP/s per GPU) - Further: 1x NVIDIA A800 (7.80e13 FLOP/s) 2. Training duration (calculated from steps): - Initial: 119,000 steps × (256×2314) tokens/step = 7.04e10 tokens - Further: 31,000 steps × (32×2241) tokens/step = 2.22e9 tokens 4. Final calculation: Initial: 6 × 6.36e7 params × 7.04e10 tokens = 2.68e19 FLOPs Further: 6 × 6.36e7 params × 2.22e9 tokens = 8.46e17 FLOPs Total: 2.7712964e+19
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.
- Matériel d'entraînement
- NVIDIA H100 SXM5 80GB
- Chips utilisés
- 8
- Consommation d'énergie
- 11.0 kW
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
- Citations
- 4
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- dnaGrinder: a lightweight and high-capacity genomic foundation model
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Ce que ce modèle est
dnaGrinder a été publié par Hong Kong Polytechnic University, dans le pays enregistré comme Hong Kong, 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).
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.
Entraînement et provenance
L'entraînement a nécessité un budget de calcul d'environ 2.8 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'ensemble d'entraînement a duré environ 10,425,000,000 jetons de texte
Réponses
dnaGrinder — questions courantes
dnaGrinder— 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.
dnaGrinder— 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.
dnaGrinder— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 63.6M. 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.
dnaGrinder— qui l'a créé ?
Il a été publié par Hong Kong Polytechnic University, basé sur Hong Kong, une organisation catégorisée comme academia.
dnaGrinder— 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.
dnaGrinder— 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). Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
dnaGrinder— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 2.8 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. 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.
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.