Protst
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
- Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),University of Montreal / Université de Montréal,Intel Labs,HEC Montreal,CIFAR AI Research
- Tipo di organizzazione
- Academia,Academia,Industry,Academia,Research collective
- Paese
- Canada, United States of America
- Pubblicato
- 28 January 2023
- Autori
- Minghao Xu, Xinyu Yuan, Santiago Miret, Jian Tang
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.
- Dati di addestramento
- tokens
Total Datapoints = (553,052 pairs × 450 residues/pair) + (553,052 pairs × 50 tokens/pair) = 248,873,400 + 27,652,600 = 276,526,000 (2.765e+8)
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
- 1.4 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
1. Hardware setup: 4x NVIDIA Tesla V100 GPUs (1.30 x 10^14 FLOP/s per GPU) 2. Training duration: 69,131 seconds (≈19.2 hours) - estimated from 20 epochs, 553,052 samples, batch size 16, assuming 0.1s per step 3. Utilization rate: 40% 4. Final calculation: 1.30 x 10^14 FLOP/s × 4 GPUs × 69,131s × 0.4 = 1.44 x 10^19 FLOPs
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 124
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ProtST: Multi-Modality Learning of Protein Sequences and Biomedical Texts
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Cosa è questo modello
Protst è stato pubblicato da Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),University of Montreal / Université de Montréal,Intel Labs,HEC Montreal,CIFAR AI Research, nel paese registrato come Canada, durante January 2023. L'organizzazione di pubblicazione è classificata come academia,Academia,Industry,Academia,Research collective.
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.
Addestramento e provenienza
Il run di addestramento ha consumato circa 1.4 × 10¹⁹ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Protst — domande comuni
Protst— quando è stato rilasciato?
È stato pubblicato in January 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.
Protst— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein or nucleotide language model (pLM/nLM). I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Protst— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.4 × 10¹⁹ FLOP. 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.
Protst— 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.
Protst— 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.
Protst— 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.
Protst— chi l'ha creato?
È stato pubblicato da Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),University of Montreal / Université de Montréal,Intel Labs,HEC Montreal,CIFAR AI Research, basato su Canada, un'organizzazione categorizzata come academia,Academia,Industry,Academia,Research collective.
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.