ProtENN2
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
- European Bioinformatics Institute,University of Cambridge,Google Research
- Tipo di organizzazione
- Research collective,Academia,Industry
- Paese
- Multinational, United Kingdom of Great Britain and Northern Ireland, United States of America
- Pubblicato
- 18 September 2024
- Autori
- Irina Ponamareva, Antonina Andreeva, Maxwell L Bileschi, Lucy Colwell, Alex Bateman
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein classification
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
Total datapoints = 23,910,108,270 residues = 2.391 × 10¹⁰ Calculation: Single value from training database, no additions or multiplications needed.
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
Apache 2.0 for code (I suppose it is inference code only, I don't see pre-training code): https://github.com/iponamareva/ProtCNNSim CC BY 4.0 https://zenodo.org/records/10091910
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
- Investigation of protein family relationships with deep learning
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
ProtENN2 è stato pubblicato da European Bioinformatics Institute,University of Cambridge,Google Research, nel paese registrato come Multinational, durante September 2024. Esce da un'organizzazione categorizzata come research collective,Academia,Industry.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein classification.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
ProtENN2 — domande comuni
ProtENN2— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein classification. 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.
ProtENN2— 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.
ProtENN2— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
ProtENN2— 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.
ProtENN2— chi l'ha creato?
È stato pubblicato da European Bioinformatics Institute,University of Cambridge,Google Research, basato su Multinational, un'organizzazione categorizzata come research collective,Academia,Industry.
ProtENN2— 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.