EpiScan
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Sun Yat-sen University,Guangzhou National Laboratory
- Tipo di organizzazione
- Academia,Government
- Paese
- China
- Pubblicato
- 9 September 2024
- Autori
- Chuan Wang, Jiangyuan Wang, Wenjun Song, Guanzheng Luo, Taijiao Jiang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Antibody epitope prediction
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 288.9K
- Dati di addestramento
- tokens
Loaded model from https://github.com/ gzBiomedical/EpiScan and counted parameters.
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA GeForce RTX 2080 Ti 11GB
- Chip utilizzati
- 1
- Consumo energetico
- 271 W
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- EpiScan: accurate high-throughput mapping of antibody-specific epitopes using sequence information
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
EpiScan è stato pubblicato da Sun Yat-sen University,Guangzhou National Laboratory, nel paese registrato come China, durante September 2024. La categoria sotto cui rientra l'editore è academia,Government.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di antibody epitope prediction.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Risposte
EpiScan — domande comuni
EpiScan— chi l'ha creato?
È stato pubblicato da Sun Yat-sen University,Guangzhou National Laboratory, basato su China, un'organizzazione categorizzata come academia,Government.
EpiScan— quando è stato rilasciato?
È stato pubblicato in September 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
EpiScan— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di antibody epitope prediction. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
EpiScan— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
EpiScan— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
EpiScan— quanti parametri ha?
Ha un numero di parametri di 288.9K. Loaded model from https://github.com/ gzBiomedical/EpiScan and counted parameters. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.