CLR_ESP
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
- Kansas State University
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 16 August 2024
- Autori
- Zhenjiao Du, Weiming Fu, Xiaolong Guo, Doina Caragea, Yonghui Li
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Enzyme substrate pair 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
- 815,728 tokens
- Epoche
- 500
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 2.1 × 10¹⁷ FLOP
3*60*60*65130000000000*0.3=2.110212e+17
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 Tesla T4
- Chip utilizzati
- 1
- Tempo di parete
- 3 hours
- Consumo energetico
- 76 W
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 (non-commercial)
- Codice di addestramento
- Open (non-commercial)
"The datasets and codes used to generate the results of this paper are available from https://github.com/dzjxzyd/CLR_ESP" no clear license
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- CLR_ESP: Improved enzyme-substrate pair prediction using contrastive learning
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
CLR_ESP è stato pubblicato da Kansas State University, nel paese registrato come United States of America, durante August 2024. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di enzyme substrate pair prediction.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.
Cosa è stato necessario per costruirlo
La produzione di esso ha richiesto un'aritmetica totale di circa 2.1 × 10¹⁷ FLOP, su hardware registrato come NVIDIA Tesla T4. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 815,728 token di testo
Risposte
CLR_ESP — domande comuni
CLR_ESP— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.1 × 10¹⁷ FLOP, su hardware registrato come NVIDIA Tesla T4. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
CLR_ESP— 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.
CLR_ESP— 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.
CLR_ESP— 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.
CLR_ESP— chi l'ha creato?
È stato pubblicato da Kansas State University, basato su United States of America, un'organizzazione categorizzata come academia.
CLR_ESP— 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.
CLR_ESP— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di enzyme substrate pair prediction. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
CLR_ESP— 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.
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.