ProLLaMA
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
- Peking University,Peng Cheng Laboratory
- Tipo di organizzazione
- Academia,Academia
- Paese
- China
- Pubblicato
- 26 February 2024
- Autori
- Liuzhenghao Lv, Zongying Lin, Hao Li, Yuyang Liu, Jiaxi Cui, Calvin Yu-Chian Chen, Li Yuan, Yonghong Tian
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein question answering
- Modello di base
- Llama 2-7B
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
- 7B
- Dati di addestramento
- tokens
52,807,283 sequences × 300 residues/sequence = 15,842,184,900 tokens ≈ 1.6 × 10^10 tokens
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
- 8.4 × 10²² FLOP
- Come è stato stabilito
- Hardware
1. Hardware setup: 8x NVIDIA RTX A6000 GPUs (3.87e13 FLOP/s per GPU) 2. Training duration: Provided directly - Stage 1: 6 days, Stage 2: 5 days (Total: 11 days = 950,400 seconds) 3. Utilization rate: 40% 4. Calculation: (8 GPUs × 3.87e13 FLOP/s/GPU) × 950,400 seconds × 0.4 utilization = 1.2e20 FLOPs (Stage 1: 1.603e20 + Stage 2: 1.338e20) × 0.4 = 1.2e20 FLOPs Base model: 8.4e+22 total : 84120000000000000000000
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 RTX A6000
- Chip utilizzati
- 8
- Tempo di parete
- 264 hours (11 days)
- Consumo energetico
- 4.7 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
- 84
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ProLLaMA: A Protein Language Model for Multi-Task Protein Language Processing
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
ProLLaMA è stato pubblicato da Peking University,Peng Cheng Laboratory, nel paese registrato come China, durante February 2024. La categoria sotto cui rientra l'editore è academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein question answering.
Costruisce su Llama 2-7B. Quello è il modo abituale in cui viene prodotto un modello specializzato.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 8.4 × 10²² FLOP, su hardware registrato come NVIDIA RTX A6000. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
ProLLaMA — domande comuni
ProLLaMA— quanti parametri ha?
Ha un numero di parametri di 7B. 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.
ProLLaMA— chi l'ha creato?
È stato pubblicato da Peking University,Peng Cheng Laboratory, basato su China, un'organizzazione categorizzata come academia,Academia.
ProLLaMA— quando è stato rilasciato?
È stato pubblicato in February 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.
ProLLaMA— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein question answering. 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.
ProLLaMA— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 8.4 × 10²² FLOP, su hardware registrato come NVIDIA RTX A6000. 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.
ProLLaMA— 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.
ProLLaMA— 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.