InstructPLM
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
- Zhejiang Lab,Zhejiang University (ZJU),Nanjing University,Tsinghua University,Alibaba,Chinese University of Hong Kong (CUHK)
- Tipo di organizzazione
- Academia,Academia,Academia,Industry,Academia
- Paese
- China, Hong Kong
- Pubblicato
- 20 April 2024
- Autori
- Jiezhong Qiu, Junde Xu, Jie Hu, Hanqun Cao, Liya Hou, Zijun Gao, Xinyi Zhou, Anni Li, Xiujuan Li, Bin Cui, Fei Yang, Shuang Peng, Ning Sun, Fangyu Wang, Aimin Pan, Jie Tang, Jieping Ye, Junyang Lin, Jin Tang, Xingxu Huang, Pheng Ann Heng, Guangyong Chen
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein generation, Protein folding 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
- 89.1M
- Dati di addestramento
- 5,407,200 tokens
- Epoche
- 200
Table 2
InstructPLM Training Data Points: - Training Proteins: 18,024 - Avg Sequence Length: 300 - Total Tokens = 18,024 × 300 = 5,407,200 ≈ 5.4 × 10^6 data points
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 A100
- Chip utilizzati
- 4
- Consumo energetico
- 3.2 kW
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 13
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- InstructPLM: Aligning Protein Language Models to Follow Protein Structure Instructions
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Cosa è questo modello
InstructPLM è stato pubblicato da Zhejiang Lab,Zhejiang University (ZJU),Nanjing University,Tsinghua University,Alibaba,Chinese University of Hong Kong (CUHK), nel paese registrato come China, durante April 2024. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia,Industry,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein generation, Protein folding prediction.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
Il set di addestramento si aggirava attorno a 5,407,200 token di testo
Risposte
InstructPLM — domande comuni
InstructPLM— quanti parametri ha?
Ha un numero di parametri di 89.1M. Table 2. 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.
InstructPLM— chi l'ha creato?
È stato pubblicato da Zhejiang Lab,Zhejiang University (ZJU),Nanjing University,Tsinghua University,Alibaba,Chinese University of Hong Kong (CUHK), basato su China, un'organizzazione categorizzata come academia,Academia,Academia,Industry,Academia.
InstructPLM— quando è stato rilasciato?
È stato pubblicato in April 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.
InstructPLM— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein generation, Protein folding prediction. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
InstructPLM— 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.
InstructPLM— 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.
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.