RENNAISSANCE
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
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
- Ecole Polytechnique F´ed´erale de Lausanne (EPFL),University of Cambridge,Harvard Medical School
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- Switzerland, United Kingdom of Great Britain and Northern Ireland, United States of America
- Pubblicato
- 30 August 2024
- Autori
- Subham Choudhury, Bharath Narayanan, Michael Moret, Vassily Hatzimanikatis, Ljubisa Miskovic
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Cell Biology
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
- tokens
"a machine learning framework that efficiently parameterizes biologically relevant kinetic models of metabolism without requiring training data."
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Open source
Code availability A Python implementation of the RENAISSANCE workflow is publicly available via GitHub at https://github.com/EPFL-LCSB/renaissance (apache 2.0) and https://gitlab.com/EPFL-LCSB/renaissance. The ORACLE framework is implemented in the SKimPy (Symbolic Kinetic models in Python) toolbox, available via GitHub at https://github.com/EPFL-LCSB/skimpy Creative Commons Attribution 4.0 International for weights https://zenodo.org/records/7930002
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Unknown
- Citazioni
- 10
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Generative machine learning produces kinetic models that accurately characterize intracellular metabolic states
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
RENNAISSANCE è stato pubblicato da Ecole Polytechnique F´ed´erale de Lausanne (EPFL),University of Cambridge,Harvard Medical School, nel paese registrato come Switzerland, durante August 2024. La categoria sotto cui rientra l'editore è academia,Academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di cell Biology.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.
Risposte
RENNAISSANCE — domande comuni
RENNAISSANCE— 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.
RENNAISSANCE— chi l'ha creato?
È stato pubblicato da Ecole Polytechnique F´ed´erale de Lausanne (EPFL),University of Cambridge,Harvard Medical School, basato su Switzerland, un'organizzazione categorizzata come academia,Academia,Academia.
RENNAISSANCE— quando è stato rilasciato?
È stato pubblicato in August 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.
RENNAISSANCE— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di cell Biology. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
RENNAISSANCE— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
RENNAISSANCE— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
RENNAISSANCE— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
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.