Deep-LDA
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
- Fudan University
- Tipo di organizzazione
- Academia
- Paese
- China
- Pubblicato
- 14 September 2022
- Autori
- Yunhe Liu, Qiqing Fu, Chenyu Dong, Xiaoqiong Xia, Gang Liu, Lei Liu
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Cell Biology, Gene expression profile generation, Cell-cell interaction 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
- tokens
after removal of inferred impurity cells (Phase III; 10374 cells left)
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
The three deep generative models covered in this article, as well as necessary clustering evaluation tools and plotting tools are organized into the ScDeepTools (https://github.com/liuyunho/ScDeepTools) software. License: BSD-3-Clause license
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Optimization and redevelopment of single-cell data analysis workflow based on deep generative models
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
Deep-LDA è stato pubblicato da Fudan University, nel paese registrato come China, durante September 2022. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di cell Biology, Gene expression profile generation, Cell-cell interaction prediction.
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
Deep-LDA — domande comuni
Deep-LDA— 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.
Deep-LDA— chi l'ha creato?
È stato pubblicato da Fudan University, basato su China, un'organizzazione categorizzata come academia.
Deep-LDA— quando è stato rilasciato?
È stato pubblicato in September 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.
Deep-LDA— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di cell Biology, Gene expression profile generation, Cell-cell interaction prediction. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Deep-LDA— 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.
Deep-LDA— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.