Cancer drug mechanism prediction
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
- National Cancer Institute
- Szervezet típusa
- Government
- Ország
- United States of America
- Közölt
- 16 October 1992
- Szerzők
- John N. Weinstein, Kurt W. Kohn, Michael R. Grever, Vellarkad N. Viswanadhan, Lawrence V. Rubinstein, Anne P. Monks, Dominic A. Scudiero, Lester Welch, Antonis D. Koutsoukos, August J. Chiausa, Kenneth D. Paull
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Medicine
- 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.
- Paraméterek
- 0.6K
- Képzési adatok
- 141 tokens
“The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594
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
- 5.3 × 10⁷ FLOP
- Hogyan jött létre
- Operation counting
2*594*3*15000=53460000=5.35e7 “The extent of training was 15,000 presentations“
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Historical significance
- Nyilvántartási bizalom
- Likely
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Neural computing in cancer drug development: predicting mechanism of action
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
Cancer drug mechanism prediction ki lett adva által National Cancer Institute, az országban rögzítve mint United States of America, alatt October 1992. A kiadó kategóriája alá tartozik government.
Működik a területen a Medicine, és úgy van rögzítve, mint a feladat végrehajtása drug discovery.
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. 5.3 × 10⁷ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 141 szöveg tokenjei
A kiválasztási kritériuma: historical significance.
Válaszok
Cancer drug mechanism prediction — gyakori kérdések
Cancer drug mechanism prediction— Hány paramétere van?
Paraméterszáma 0.6K. “The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
Cancer drug mechanism prediction— Ki készítette ezt?
Kiadta National Cancer Institute, alapján United States of America, egy szervezet, amelyet kategorizáltak mint government.
Cancer drug mechanism prediction— Mikor adták ki?
Kibocsátották a October 1992. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Cancer drug mechanism prediction— Mire használják?
Működik a területen a Medicine, 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.
Cancer drug mechanism prediction— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5.3 × 10⁷ FLOP. 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.
Cancer drug mechanism prediction— 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.
Cancer drug mechanism prediction— 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..