MTDP
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
- Chinese University of Hong Kong (CUHK),City University of Hong Kong
- Type d'organisation
- Academia,Academia
- Pays
- Hong Kong
- Publié
- 24 September 2024
- Auteurs
- Jiayu Shang, Cheng Peng, Yongxin Ji, Jiaojiao Guan, Dehan Cai, Xubo Tang, Yanni Sun
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 embedding
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
- 20M
- Données d'entraînement
- tokens
- Époques
- 10
- Taille de lot
- 16
"In particular, the student model in MTDP has a significantly smaller parameter scale (~20 million)" from 2.1 Model Structure
"MTDP is pre-trained on ~500 000 proteins from UniProtKB (Swiss-Prot) provided by the teacher model (Elnaggar et al. 2021)." from 2.3.1 Pre-training data
"We conducted the pre-training process on four RTX 3080 24 GB Nvidia GPUs, with a batch size of 16." from 2.3.1 Pre-training data
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
- 6 × 10¹⁴ FLOP
- Comment cela a été établi
- Operation counting
6 * 20,000,000 connections * 500,000 training examples * 10 epochs = 6.0e14 FLOP
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 GeForce RTX 3080
- Chips utilisés
- 4
- Consommation d'énergie
- 2.5 kW
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
Academic Free License v3.0 License. Inference and fine-tuning code + datasets, I don't see model weights and training code https://github.com/KennthShang/MTDP
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
- Accurate and efficient protein embedding using multi-teacher distillation learning
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
MTDP a été publié par Chinese University of Hong Kong (CUHK),City University of Hong Kong, dans le pays enregistré comme Hong Kong, durant September 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 protein embedding.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Comment il a été entraîné
L'entraînement a consommé environ 6 × 10¹⁴ FLOP, sur matériel enregistré comme NVIDIA GeForce RTX 3080. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Réponses
MTDP — questions courantes
MTDP— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de protein embedding. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
MTDP— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 6 × 10¹⁴ FLOP, sur matériel enregistré comme NVIDIA GeForce RTX 3080. 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.
MTDP— 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.
MTDP— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
MTDP— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 20M. "In particular, the student model in MTDP has a significantly smaller parameter scale (~20 million)" from 2.1 Model Structure. 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.
MTDP— qui l'a créé ?
Il a été publié par Chinese University of Hong Kong (CUHK),City University of Hong Kong, basé sur Hong Kong, une organisation catégorisée comme academia,Academia.
MTDP— 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.