CPDiffusion
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab
- Szervezet típusa
- Academia,Academia,Academia,Academia
- Ország
- China, Australia, United Kingdom of Great Britain and Northern Ireland
- Közölt
- 10 September 2024
- Szerzők
- Bingxin Zhou, Lirong Zheng, Banghao Wu, Kai Yi, Bozitao Zhong, Yang Tan, Qian Liu, Pietro Liò, Liang Hong
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Protein design
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 4M
- Képzési adatok
- 6,207,900 tokens
CPDiffusion trains a denoising diffusion model with 4 million learnable parameters from natural protein structures.
CATH: 20,000 × 250 = 5,000,000 pAgo: 694 × 800 = 555,200 Total: 5,000,000 + 555,200 = 5,555,200 ≈ 5.6 × 10^6 datapoints
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 1
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
CPDiffusion ki lett adva által Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab, az országban rögzítve mint China, alatt September 2024. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia,Academia,Academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein design.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
Körülbelül egy korpuszon lett betanítva 6,207,900 szöveg tokenjei
Válaszok
CPDiffusion — gyakori kérdések
CPDiffusion— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein design. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
CPDiffusion— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
CPDiffusion— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
CPDiffusion— Hány paramétere van?
Paraméterszáma 4M. CPDiffusion trains a denoising diffusion model with 4 million learnable parameters from natural protein structures. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
CPDiffusion— Ki készítette ezt?
Kiadta Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia,Academia.
CPDiffusion— Mikor adták ki?
Kibocsátották a September 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..