CoPRA
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
- Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications
- Szervezet típusa
- Academia,Academia,Academia,Academia
- Ország
- China, United Kingdom of Great Britain and Northern Ireland, Australia
- Közölt
- 21 August 2024
- Szerzők
- Rong Han, Xiaohong Liu, Tong Pan, Jing Xu, Xiaoyu Wang, Wuyang Lan, Zhenyu Li, Zixuan Wang, Jiangning Song, Guangyu Wang, Ting Chen
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Protein-RNA binding affinity prediction
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 1,966,080,310 tokens
Summary: 1. Chain pairs: 30,000 2. Poses per pair: 3 Total datapoints: 30,000 × 3 = 90,000 3. Tokens per datapoint: - Protein residues: 200 - RNA bases: 100 Total tokens per datapoint: 200 + 100 = 300 4. Final calculation: 90,000 datapoints × 300 tokens/datapoint = 27,000,000 tokens
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA A100
- Használt chipek
- 4
- Teljesítményfogyasztás
- 3.2 kW
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Likely
- Hivatkozások
- 7
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- CoPRA: Bridging Cross-domain Pretrained Sequence Models with Complex Structures for Protein-RNA Binding Affinity Prediction
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
CoPRA ki lett adva által Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, az országban rögzítve mint China, alatt August 2024. A kiadó szervezet a következő kategóriába tartozik academia,Academia,Academia,Academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein-RNA binding affinity prediction.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
A képzés körülbelül egy korpuszt fogyasztott 1,966,080,310 szöveg tokenjei
Válaszok
CoPRA — gyakori kérdések
CoPRA— 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.
CoPRA— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
CoPRA— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
CoPRA— Ki készítette ezt?
Kiadta Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia,Academia.
CoPRA— Mikor adták ki?
Kibocsátották a August 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
CoPRA— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein-RNA binding affinity prediction. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
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..