DecompDiff
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
- University of Illinois Urbana-Champaign (UIUC),ByteDance,University of Chinese Academy of Sciences,Chinese Academy of Sciences,Tsinghua University
- Szervezet típusa
- Academia,Industry,Academia,Academia,Academia
- Ország
- United States of America, China
- Közölt
- 26 February 2024
- Szerzők
- Jiaqi Guan, Xiangxin Zhou, Yuwei Yang, Yu Bao, Jian Peng, Jianzhu Ma, Qiang Liu, Liang Wang, Quanquan Gu
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Drug discovery
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
- 12,500,000 tokens
"100,000 complexes are selected for training" (diffusion based model)
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 1.9 × 10¹⁹ FLOP
- Hogyan jött létre
- Hardware
1. Hardware setup: 1x NVIDIA A100 GPU (3.12e14 FLOPs/s for FP16) 2. Training duration: 41.7 hours (provided directly) = 150,120 seconds 3. Utilization rate: 40% (assumed) 4. Calculation: 3.12e14 FLOPs/s × 1 GPU × 150,120s × 0.4 = 1.873e19 FLOPs
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
- 1
- Fali óra idő
- 42 hours
- Teljesítményfogyasztás
- 435 W
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 119
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- DecompDiff: Diffusion Models with Decomposed Priors for Structure-Based Drug Design
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Honnan jött
DecompDiff ki lett adva által University of Illinois Urbana-Champaign (UIUC),ByteDance,University of Chinese Academy of Sciences,Chinese Academy of Sciences,Tsinghua University, az országban rögzítve mint United States of America, alatt February 2024. A kiadó kategóriája alá tartozik academia,Industry,Academia,Academia,Academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása drug discovery.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Mi került a felépítésébe
A képzés futás körülbelül 1.9 × 10¹⁹ FLOP, hardveren rögzítve NVIDIA A100. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 12,500,000 szöveg tokenjei
Válaszok
DecompDiff — gyakori kérdések
DecompDiff— 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.
DecompDiff— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
DecompDiff— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
DecompDiff— Ki készítette ezt?
Kiadta University of Illinois Urbana-Champaign (UIUC),ByteDance,University of Chinese Academy of Sciences,Chinese Academy of Sciences,Tsinghua University, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Industry,Academia,Academia,Academia.
DecompDiff— Mikor adták ki?
Kibocsátották a February 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
DecompDiff— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot drug discovery. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
DecompDiff— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.9 × 10¹⁹ FLOP, hardveren rögzítve NVIDIA A100. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
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..