GeoSeqBuilder
Nincs becslés
Nincs hardver követelmény ennek a modellnek
Ez a modell súlyai nyilvánosak, de a paraméterszámokat nem tették közzé. Minden memória- és sebességszám ebből a számból indul, ezért inkább nem mutatunk semmit, mint egy hamisított becslést..
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
- Peking University
- Szervezet típusa
- Academia
- Ország
- China
- Közölt
- 19 September 2024
- Szerzők
- Jiale Liu, Zheng Guo, Hantian You, Changsheng Zhang, Luhua Lai
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Protein design, Protein generation
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
- 35,250,000 tokens
Training datapoints = Training proteins × Average residues per protein 23,500 × 200 = 4,700,000 datapoints Final estimate: 4.7 million datapoints
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
- 6.5 × 10¹⁸ FLOP
- Hogyan jött létre
- Hardware
1. Hardware: 1x NVIDIA A30 GPU (1.50×10¹⁴ FLOP/s using fp16 tensor cores) 2. Training duration: Directly provided - 15 epochs × 2 hours/epoch = 30 hours = 108,000 seconds 3. Utilization rate: 40% 4. Calculation: 1.50×10¹⁴ FLOP/s × 1 GPU × 108,000s × 0.40 = 6.48×10¹⁸ FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA A30 PCIe
- Használt chipek
- 1
- Fali óra idő
- 30 hours
- Teljesítményfogyasztás
- 179 W
Training duration: Directly provided - 15 epochs × 2 hours/epoch = 30 hours = 108,000 seconds
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Open — downloadable
- Modell hozzáférés
- Open weights (non-commercial)
- Képzés kód
- Unreleased
no clear license https://github.com/PKUliujl/GeoSeqBuilder
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 1
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- All-Atom Protein Sequence Design Based on Geometric Deep Learning
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
GeoSeqBuilder ki lett adva által Peking University, az országban rögzítve mint China, alatt September 2024. A kiadó kategóriája alá tartozik academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein design, Protein generation.
A nyílt súlyok az okai annak, hogy ez az oldal a kalkulátorban van, és nem csak a katalógusban: ez egy olyan modell, amit valójában meg tudsz tartani.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 6.5 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA A30 PCIe. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 35,250,000 szöveg tokenjei
Válaszok
GeoSeqBuilder — gyakori kérdések
GeoSeqBuilder— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 6.5 × 10¹⁸ FLOP, hardveren rögzítve NVIDIA A30 PCIe. 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.
GeoSeqBuilder— Milyen GPU-ra van szükségem, hogy futtathassam?
Nem tudjuk megmondani. Nyílt súlyai vannak, de a paraméterek számát nem tették közzé, és minden memória- és sebességszámítás ebből a számból indul. Inkább nem mutatunk semmit, mint egy hamisított becslést.
GeoSeqBuilder— Nyílt forráskódú?
Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.
GeoSeqBuilder— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
GeoSeqBuilder— Ki készítette ezt?
Kiadta Peking University, alapján China, egy szervezet, amelyet kategorizáltak mint academia.
GeoSeqBuilder— Mikor adták ki?
Kibocsátották a September 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
GeoSeqBuilder— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein design, Protein generation. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
GeoSeqBuilder— Hol tudom letölteni?
A súlyok közzététele megtörtént, bár nem rendelkezünk tárolólinkkel erre. Ez az oldal a hardverkövetelményeket számítja ki, nem pedig modellfájlokat tárol.
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..