scFormer
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
- University of Toronto,Vector Institute,University Health Network,Microsoft Research
- Tipo di organizzazione
- Academia,Academia,Industry
- Paese
- Canada, United States of America
- Pubblicato
- 22 November 2022
- Autori
- Haotian Cui, Chloe Wang, Hassaan Maan, Nan Duan, Bo Wang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Representation learning
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
- Epoche
- 30
Each cell has M genes, not specified precisely but set to 1200 for UMAP plots. Total cells: 3005+7982+17001=27988 Estimated training tokens: 27988*1200=33585600
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Speculative
- Citazioni
- 10
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- scFormer: A Universal Representation Learning Approach for Single-Cell Data Using Transformers
- Ultimo aggiornamento
- 1 December 2025
Cosa significano i numeri
Cosa è questo modello
scFormer è stato pubblicato da University of Toronto,Vector Institute,University Health Network,Microsoft Research, nel paese registrato come Canada, durante November 2022. Esce da un'organizzazione categorizzata come academia,Academia,Industry.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di representation learning.
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
scFormer — domande comuni
scFormer— 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.
scFormer— chi l'ha creato?
È stato pubblicato da University of Toronto,Vector Institute,University Health Network,Microsoft Research, basato su Canada, un'organizzazione categorizzata come academia,Academia,Industry.
scFormer— quando è stato rilasciato?
È stato pubblicato in November 2022. 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.
scFormer— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di representation learning. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
scFormer— 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.
scFormer— 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.