DDPM
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 Paris-Saclay,Radboud University Medical Center
- Tipo di organizzazione
- Academia,Academia
- Paese
- France, Netherlands
- Pubblicato
- 13 April 2024
- Autori
- Alice Lacan, Romain André, Michele Sebag, Blaise Hanczar
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Gene expression profile generation
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
- 9,541,304 tokens
TCGA: 6,499 × 978 = 6,356,022 GTEx: 9,796 × 974 = 9,541,304 Total: 6,356,022 + 9,541,304 = 15,897,326 ≈ 1.6e7 datapoints
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
- 9 × 10¹⁷ FLOP
- Come è stato stabilito
- Hardware
1. Hardware setup: 1x NVIDIA A40 GPU (1.50×10¹⁴ FLOP/s per GPU) 2. Training duration: 15,000 seconds (directly provided - sum of TCGA training: 3,780s and GTEx training: 11,220s) 3. Utilization rate: 40% 4. Calculation: 1.50×10¹⁴ FLOP/s × 1 GPU × 15,000s × 0.4 = 9.0×10¹⁷ FLOPs
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 A40 PCIe
- Chip utilizzati
- 1
- Consumo energetico
- 326 W
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 4
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- In Silico Generation of Gene Expression profiles using Diffusion Models
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
DDPM è stato pubblicato da University Paris-Saclay,Radboud University Medical Center, nel paese registrato come France, durante April 2024. Esce da un'organizzazione categorizzata come academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di gene expression profile generation.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Come è stato addestrato
La produzione di esso ha richiesto un'aritmetica totale di circa 9 × 10¹⁷ FLOP, su hardware registrato come NVIDIA A40 PCIe. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 9,541,304 token di testo
Risposte
DDPM — domande comuni
DDPM— 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.
DDPM— chi l'ha creato?
È stato pubblicato da University Paris-Saclay,Radboud University Medical Center, basato su France, un'organizzazione categorizzata come academia,Academia.
DDPM— 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.
DDPM— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di gene expression profile generation. 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.
DDPM— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 9 × 10¹⁷ FLOP, su hardware registrato come NVIDIA A40 PCIe. 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.
DDPM— 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.
DDPM— 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.