GraphMS
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
- Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center
- Tipo di organizzazione
- Academia,Academia,Industry,Academia
- Paese
- China
- Pubblicato
- 4 April 2021
- Autori
- Shicheng Cheng, Liang Zhang, Bo Jin, Qiang Zhang, Xinjiang Lu, Mao You, Xueqing Tian
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein-ligand contact 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
- 963,423 tokens
- Epoche
- 10
Edges: Drug-Protein: 1,923 Drug-Disease: 199,214 Protein-Disease: 1,596,745 Drug-Drug: 10,036 Protein-Protein: 7,363 1,923 + 199,214 + 1,596,745 + 10,036 + 7,363 = 1,815,281 total edges Final estimate: 1.8 × 10⁶ "We trained the model for 10 epochs, where each epoch contained 100 steps."
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
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 14
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- GraphMS: Drug Target Prediction Using Graph Representation Learning with Substructures
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
GraphMS è stato pubblicato da Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center, nel paese registrato come China, durante April 2021. L'organizzazione di pubblicazione è classificata come academia,Academia,Industry,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein-ligand contact prediction.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
Il set di addestramento si aggirava attorno a 963,423 token di testo
Risposte
GraphMS — domande comuni
GraphMS— 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.
GraphMS— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GraphMS— 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.
GraphMS— chi l'ha creato?
È stato pubblicato da Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center, basato su China, un'organizzazione categorizzata come academia,Academia,Industry,Academia.
GraphMS— quando è stato rilasciato?
È stato pubblicato in April 2021. 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.
GraphMS— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein-ligand contact prediction. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.