DDGemb

Pesi chiusi University of Bologna September 2024

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
University of Bologna
Tipo di organizzazione
Academia
Paese
Italy
Pubblicato
7 September 2024
Autori
Castrense Savojardo, Matteo Manfredi, Pier Luigi Martelli, Rita Casadio

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Biology
Compito
Mutation prediction, Protein stability 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.

Dati di addestramento
4,900 tokens
Epoche
500

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
AMD EPYC 7413
Chip utilizzati
2
Consumo energetico
709 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
DDGemb: predicting protein stability change upon single- and multi-point variations with embeddings and deep learning
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Cosa è questo modello

DDGemb è stato pubblicato da University of Bologna, nel paese registrato come Italy, durante September 2024. La categoria sotto cui rientra l'editore è academia.

Funziona nel dominio di Biology, ed è registrato come eseguire il compito di mutation prediction, Protein stability prediction.

Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.

Cosa è stato necessario per costruirlo

L'addestramento ha consumato un corpus di circa 4,900 token di testo

Risposte

DDGemb — domande comuni

01

DDGemb— quanti parametri ha?

Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.

02

DDGemb— chi l'ha creato?

È stato pubblicato da University of Bologna, basato su Italy, un'organizzazione categorizzata come academia.

03

DDGemb— 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.

04

DDGemb— A cosa serve?

Funziona nel dominio di Biology, e viene registrato come gestire il compito di mutation prediction, Protein stability prediction. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.

05

DDGemb— 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.

06

DDGemb— 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

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.