DiffPALM
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
- Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swiss Institute of Bioinformatics
- Tipo di organizzazione
- Academia
- Paese
- Switzerland
- Pubblicato
- 24 June 2024
- Autori
- Umberto Lupo, Damiano Sgarbossa, Anne-Florence Bitbol
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein or nucleotide language model (pLM/nLM)
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
Single MSA data points = 125 × 300 = 37,500 tokens Total data points = 37,500 × 1,000 = 37,500,000 tokens Final estimate = 4.0 × 10^7 tokens
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
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open source
Apache 2.0 for code https://github.com/Bitbol-Lab/DiffPALM/tree/v1.0
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 19
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Pairing interacting protein sequences using masked language modeling
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Informazioni su questo modello
DiffPALM è stato pubblicato da Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swiss Institute of Bioinformatics, nel paese registrato come Switzerland, durante June 2024. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein or nucleotide language model (pLM/nLM).
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
DiffPALM — domande comuni
DiffPALM— 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.
DiffPALM— chi l'ha creato?
È stato pubblicato da Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swiss Institute of Bioinformatics, basato su Switzerland, un'organizzazione categorizzata come academia.
DiffPALM— quando è stato rilasciato?
È stato pubblicato in June 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.
DiffPALM— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein or nucleotide language model (pLM/nLM). 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.
DiffPALM— 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.
DiffPALM— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.