Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary
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
- Henan University
- Szervezet típusa
- Academia
- Ország
- China
- Közölt
- 23 March 2023
- Szerzők
- Wei Yang, Chun Liu, Zheng Li
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Protein or nucleotide language model (pLM/nLM), Protein folding prediction
- Alapmodell
- ProtT5-XL-U50
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
- 10,000,001 tokens
25,792 training chains × 400 residues = 10,316,800 tokens ≈ 1.0e7
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 × 10²² FLOP
- Hogyan jött létre
- Hardware
- Finomhangolás számítás
- 6.1 × 10¹⁸ FLOP
1. Hardware setup: 1x NVIDIA GeForce RTX 3090 Ti (1.60 x 10^14 FP16 FLOP/s) 2. Training duration: Directly provided - 2,200 seconds/epoch × 43 epochs = 94,600 seconds 3. Utilization rate: 40% 4. Final calculation: 1.60 × 10^14 FLOP/s × 94,600 seconds × 0.4 = 6.05 × 10^18 FLOPs Base model: 18704498688000000000000 Total: 18704498688000000000000+6.05 × 10^18=18710548688000000000000
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce RTX 3090 Ti
- Használt chipek
- 1
- Fali óra idő
- 27 hours
- Teljesítményfogyasztás
- 493 W
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary Structure Prediction
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary ki lett adva által Henan University, az országban rögzítve mint China, alatt March 2023. A kiadó kategóriája alá tartozik academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein or nucleotide language model (pLM/nLM), Protein folding prediction.
Ez alapoz. ProtT5-XL-U50. Ez a szokásos módja egy specializált modell előállításának.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Hogyan lett betanítva
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1.9 × 10²² FLOP, hardveren rögzítve NVIDIA GeForce RTX 3090 Ti. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 10,000,001 szöveg tokenjei
Válaszok
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary — gyakori kérdések
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary— 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.
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary— Ki készítette ezt?
Kiadta Henan University, alapján China, egy szervezet, amelyet kategorizáltak mint academia.
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary— Mikor adták ki?
Kibocsátották a March 2023. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein or nucleotide language model (pLM/nLM), Protein folding prediction. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
Lightweight Fine-tuning a Pretrained Protein Language Model for Protein Secondary— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.9 × 10²² FLOP, hardveren rögzítve NVIDIA GeForce RTX 3090 Ti. 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..