Re-Dock
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
- Zhejiang University (ZJU),Westlake University,University of Washington
- Szervezet típusa
- Academia,Academia,Academia
- Ország
- China, United States of America
- Közölt
- 21 February 2024
- Szerzők
- Yufei Huang, Odin Zhang, Lirong Wu, Cheng Tan, Haitao Lin, Zhangyang Gao, Siyuan Li, Stan. Z. Li
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Protein-ligand contact 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
- tokens
23496 examples in PDBbind 2020
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
- 7.5 × 10¹⁹ FLOP
- Hogyan jött létre
- Hardware
1. Hardware setup: 1x NVIDIA A100 GPU (3.12e14 FLOP/s) 2. Training duration: 7 days (directly provided) = 604,800 seconds 3. Utilization rate: 40% 4. Final calculation: 1 GPU × 3.12e14 FLOP/s × 604,800s × 0.4 = 7.55e19 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
- 168 hours (7 days)
- 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
- Likely
- Hivatkozások
- 24
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion Bridge
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
Re-Dock ki lett adva által Zhejiang University (ZJU),Westlake University,University of Washington, az országban rögzítve mint China, alatt February 2024. A kiadó kategóriája alá tartozik academia,Academia,Academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein-ligand contact prediction.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 7.5 × 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.
Válaszok
Re-Dock — gyakori kérdések
Re-Dock— Ki készítette ezt?
Kiadta Zhejiang University (ZJU),Westlake University,University of Washington, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.
Re-Dock— 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.
Re-Dock— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein-ligand contact prediction. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Re-Dock— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 7.5 × 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.
Re-Dock— 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.
Re-Dock— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Re-Dock— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
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..