DNA Fine-Tuned Language Model (DFLM)
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
- Tongji University
- Tipo di organizzazione
- Academia
- Paese
- China
- Pubblicato
- 2 January 2023
- Autori
- Ying He , Qinhu Zhang , Siguo Wang , Zhanheng Chen , Zhen Cui , Zhen-Hao Guo, and De-Shuang Huang
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
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
- 3.5 × 10¹⁸ FLOP
- Come è stato stabilito
- Hardware
"The pre-training of Human genome language model is resource-intensive (about 7-10 days on 2 NVIDIA TITAN X GPU)." Assuming FP32 and 30% utilization Estimate: (10*24*3600) s * 6.7e12 FLOP/s * 2 * 0.3 = 3.5e18
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 TITAN Xp
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
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open source
MIT for code. not sure there are weights here? https://github.com/Deep-Bioinfo/DFLM
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 7
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Predicting the Sequence Specificities of DNA-Binding Proteins by DNA Fine-Tuned Language Model With Decaying Learning Rates
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Cosa è questo modello
DNA Fine-Tuned Language Model (DFLM) è stato pubblicato da Tongji University, nel paese registrato come China, durante January 2023. 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).
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
La produzione di esso ha richiesto un'aritmetica totale di circa 3.5 × 10¹⁸ FLOP, su hardware registrato come NVIDIA TITAN Xp. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
DNA Fine-Tuned Language Model (DFLM) — domande comuni
DNA Fine-Tuned Language Model (DFLM)— 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.
DNA Fine-Tuned Language Model (DFLM)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
DNA Fine-Tuned Language Model (DFLM)— 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.
DNA Fine-Tuned Language Model (DFLM)— chi l'ha creato?
È stato pubblicato da Tongji University, basato su China, un'organizzazione categorizzata come academia.
DNA Fine-Tuned Language Model (DFLM)— 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.
DNA Fine-Tuned Language Model (DFLM)— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein or nucleotide language model (pLM/nLM). Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
DNA Fine-Tuned Language Model (DFLM)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 3.5 × 10¹⁸ FLOP, su hardware registrato come NVIDIA TITAN Xp. 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.
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.