Importance of higher-order epistasis in large protein sequence-function relationships
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
- University of Florida
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 24 September 2024
- Autori
- Palash Sethi a, Juannan Zhou
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein function 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
- 165,428 tokens
Initial calculations by dataset: 1. GRB-1: 129,320 * 0.8 * 33 = 3,414,048 2. GRB-3-abundance: 31,936 * 0.8 * 15 = 383,235 3. GRB-3-binding: 25,967 * 0.8 * 15 = 311,610 4. AAV2-Capsid: 42,328 * 0.8 * 28 = 948,136 5. CreiLOV: 165,428 * 0.8 * 15 = 1,985,130 6. cgreGFP: 26,165 * 0.8 * 234 = 4,898,088 7. ppluGFP: 32,260 * 0.8 * 221 = 5,703,568 8. His3-S2: 116,935 * 0.8 * 28 = 2,619,344 9. His3-S5: 92,408 * 0.8 * 31 = 2,291,706 10. His3-S12: 62,305 * 0.8 * 19 = 947,036 Final sum: 3,414,048 + 383,235 …
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
- 1
- Consumo energetico
- 433 W
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
- Importance of higher-order epistasis in large protein sequence-function relationships
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Importance of higher-order epistasis in large protein sequence-function relationships è stato pubblicato da University of Florida, nel paese registrato come United States of America, durante September 2024. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein function 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.
Cosa è stato necessario per costruirlo
L'addestramento ha consumato un corpus di circa 165,428 token di testo
Risposte
Importance of higher-order epistasis in large protein sequence-function relationships — domande comuni
Importance of higher-order epistasis in large protein sequence-function relationships— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein function prediction. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— chi l'ha creato?
È stato pubblicato da University of Florida, basato su United States of America, un'organizzazione categorizzata come academia.
Importance of higher-order epistasis in large protein sequence-function relationships— quando è stato rilasciato?
È stato pubblicato in September 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.
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.