Prothyena
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
- Tokyo Institute of Technology
- Tipo di organizzazione
- Academia
- Paese
- Japan
- Pubblicato
- 22 January 2024
- Autori
- Yiming Zhang, Manabu Okumura
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.
- parametri
- 4.3M
- Dati di addestramento
- tokens
"This model employs a BPE tokenizer with a vocabulary size of 10k, which consequentially expands the model parameters to 4.3 million"
Data Estimate Summary: 10,000,000 sequences × 300 amino acids = 3,000,000,000 tokens (3 billion)
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
- ProtHyena: A fast and efficient foundation protein language model at single amino acid Resolution
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Prothyena è stato pubblicato da Tokyo Institute of Technology, nel paese registrato come Japan, durante January 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
Prothyena — domande comuni
Prothyena— chi l'ha creato?
È stato pubblicato da Tokyo Institute of Technology, basato su Japan, un'organizzazione categorizzata come academia.
Prothyena— quando è stato rilasciato?
È stato pubblicato in January 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.
Prothyena— 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.
Prothyena— 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.
Prothyena— 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.
Prothyena— quanti parametri ha?
Ha un numero di parametri di 4.3M. "This model employs a BPE tokenizer with a vocabulary size of 10k, which consequentially expands the model parameters to 4.3 million". 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.
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.