GearNet
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,University of Cambridge,IBM Research,HEC Montreal,CIFAR AI Research
- Tipo di organizzazione
- Academia,Academia,Academia,Industry,Academia,Research collective
- Paese
- Canada, United Kingdom of Great Britain and Northern Ireland, United States of America
- Pubblicato
- 1 November 2022
- Autori
- Zuobai Zhang, Minghao Xu, Arian Jamasb, Vijil Chenthamarakshan, Aurélie Lozano, Payel Das, Jian Tang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Proteins, Protein function prediction, Protein fold classification
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
- 805,000 tokens
- Epoche
- 50
805,000 proteins × 300 residues/protein = 241,500,000 datapoints (2.415 × 10^8) Breakdown: 1. Initial protein count: 365,000 + 440,000 = 805,000 2. Final calculation: 805,000 × 300 = 241,500,000
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 A100
- Chip utilizzati
- 4
- Consumo energetico
- 3.2 kW
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 312
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Protein Representation Learning by Geometric Structure Pretraining
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Informazioni su questo modello
GearNet è stato pubblicato da Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),University of Montreal / Université de Montréal,University of Cambridge,IBM Research,HEC Montreal,CIFAR AI Research, nel paese registrato come Canada, durante November 2022. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia,Industry,Academia,Research collective.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di proteins, Protein function prediction, Protein fold classification.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
L'addestramento ha consumato un corpus di circa 805,000 token di testo
Risposte
GearNet — domande comuni
GearNet— 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.
GearNet— chi l'ha creato?
È stato pubblicato da Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),University of Montreal / Université de Montréal,University of Cambridge,IBM Research,HEC Montreal,CIFAR AI Research, basato su Canada, un'organizzazione categorizzata come academia,Academia,Academia,Industry,Academia,Research collective.
GearNet— 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.
GearNet— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di proteins, Protein function prediction, Protein fold classification. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
GearNet— 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.
GearNet— 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.