Machine learning a model for RNA structure prediction
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
- International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- Italy, Germany
- Pubblicato
- 16 November 2020
- Autori
- Nicola Calonaci, Alisha Jones, Francesca Cuturello, Michael Sattler, Giovanni Bussi
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- RNA structure 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
(52 + 388) / 2 = 220 nucleotides per RNA 18 RNA molecules × 220 nucleotides = 3,960 datapoints Rounded to: 4,000 datapoints
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
- 1.8 × 10¹⁸ FLOP
- Come è stato stabilito
- Hardware
1. Hardware setup: 576 CPUs (288 nodes × 2 CPUs/node), Intel Xeon E5-2683 v4 FLOP/s per CPU: 2.688 × 10¹¹ FLOP/s Total system: 1.548288 × 10¹⁴ FLOP/s 2. Training duration: Directly provided: 8 hours = 28,800 seconds 3. Utilization rate: 40% (0.4) 4. Final calculation: 1.548288 × 10¹⁴ FLOP/s × 28,800s × 0.4 = 1.78 × 10¹⁸ FLOPs
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 32
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Machine learning a model for RNA structure prediction
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Machine learning a model for RNA structure prediction è stato pubblicato da International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich, nel paese registrato come Italy, durante November 2020. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di rNA structure prediction.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
Il run di addestramento ha consumato circa 1.8 × 10¹⁸ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Machine learning a model for RNA structure prediction — domande comuni
Machine learning a model for RNA structure prediction— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di rNA structure prediction. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Machine learning a model for RNA structure prediction— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.8 × 10¹⁸ FLOP. 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.
Machine learning a model for RNA structure prediction— 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.
Machine learning a model for RNA structure prediction— 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.
Machine learning a model for RNA structure prediction— 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.
Machine learning a model for RNA structure prediction— chi l'ha creato?
È stato pubblicato da International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich, basato su Italy, un'organizzazione categorizzata come academia,Academia,Academia.
Machine learning a model for RNA structure prediction— quando è stato rilasciato?
È stato pubblicato in November 2020. 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.
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.