scHyena
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
- Korea Advanced Institute of Science and Technology (KAIST)
- Tipo di organizzazione
- Academia
- Paese
- Korea (Republic of)
- Pubblicato
- 4 October 2024
- Autori
- Gyutaek Oh, Baekgyu Choi, Inkyung Jung, Jong Chul Ye
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein or nucleotide language model (pLM/nLM)
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
Cells: 430,312 + 145,170 = 575,482 Genes per cell: 19,306 Total data points: 575,482 × 19,306 = 11,111,255,492 (1.11 × 10¹⁰) Final estimate: 1.11 × 10¹⁰ tokens
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
- 8.6 × 10¹⁸ FLOP
- Come è stato stabilito
- Hardware
3.5*24*60*60*2*35580000000000*0.4=8.6075136e+18
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 GeForce RTX 3090
- Chip utilizzati
- 2
- Consumo energetico
- 1.4 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
- 12
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- scHyena: Foundation Model for Full-Length Single-Cell RNA-Seq Analysis in Brain
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Informazioni su questo modello
scHyena è stato pubblicato da Korea Advanced Institute of Science and Technology (KAIST), nel paese registrato come Korea (Republic of), durante October 2024. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein or nucleotide language model (pLM/nLM).
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il training ha richiesto un budget di calcolo di circa 8.6 × 10¹⁸ FLOP, su hardware registrato come NVIDIA GeForce RTX 3090. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
scHyena — domande comuni
scHyena— chi l'ha creato?
È stato pubblicato da Korea Advanced Institute of Science and Technology (KAIST), basato su Korea (Republic of), un'organizzazione categorizzata come academia.
scHyena— quando è stato rilasciato?
È stato pubblicato in October 2024. 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.
scHyena— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein or nucleotide language model (pLM/nLM). Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
scHyena— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 8.6 × 10¹⁸ FLOP, su hardware registrato come NVIDIA GeForce RTX 3090. 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.
scHyena— 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.
scHyena— 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.
scHyena— 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.
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.