scFormer
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 Toronto,Vector Institute,University Health Network,Microsoft Research
- Szervezet típusa
- Academia,Academia,Industry
- Ország
- Canada, United States of America
- Közölt
- 22 November 2022
- Szerzők
- Haotian Cui, Chloe Wang, Hassaan Maan, Nan Duan, Bo Wang
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Representation learning
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
- Epochok
- 30
Each cell has M genes, not specified precisely but set to 1200 for UMAP plots. Total cells: 3005+7982+17001=27988 Estimated training tokens: 27988*1200=33585600
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Speculative
- Hivatkozások
- 10
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- scFormer: A Universal Representation Learning Approach for Single-Cell Data Using Transformers
- Utoljára frissítve
- 1 December 2025
Mit jelentenek a számok
Mit jelent ez a modell
scFormer ki lett adva által University of Toronto,Vector Institute,University Health Network,Microsoft Research, az országban rögzítve mint Canada, alatt November 2022. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia,Industry.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása representation learning.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Válaszok
scFormer — gyakori kérdések
scFormer— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
scFormer— Ki készítette ezt?
Kiadta University of Toronto,Vector Institute,University Health Network,Microsoft Research, alapján Canada, egy szervezet, amelyet kategorizáltak mint academia,Academia,Industry.
scFormer— Mikor adták ki?
Kibocsátották a November 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
scFormer— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot representation learning. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
scFormer— 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.
scFormer— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
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..