GPT-MolBERTa
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
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
- Carnegie Mellon University (CMU)
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 20 September 2023
- Autori
- Suryanarayanan Balaji, Rishikesh Magar, Yayati Jadhav, Amir Barati Farimani
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Molecular property 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.
- Dati di addestramento
- 9,780,000 tokens
326,000 molecules × 100 tokens/molecule = 32,600,000 (3.26e7) total 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
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Open source
The Python code and datasets used in this study can be accessed on GitHub using the following link: https://github.com/Suryanarayanan-Balaji/GPT-MolBERTa MIT license
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 25
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- GPT-MolBERTa: GPT Molecular Features Language Model for molecular property prediction
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Informazioni su questo modello
GPT-MolBERTa è stato pubblicato da Carnegie Mellon University (CMU), nel paese registrato come United States of America, durante September 2023. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di molecular property prediction.
I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere.
Addestramento e provenienza
È stato addestrato su un corpus di circa 9,780,000 token di testo
Risposte
GPT-MolBERTa — domande comuni
GPT-MolBERTa— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
GPT-MolBERTa— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
GPT-MolBERTa— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
GPT-MolBERTa— 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.
GPT-MolBERTa— chi l'ha creato?
È stato pubblicato da Carnegie Mellon University (CMU), basato su United States of America, un'organizzazione categorizzata come academia.
GPT-MolBERTa— quando è stato rilasciato?
È stato pubblicato in September 2023. 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.
GPT-MolBERTa— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di molecular property prediction. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.