DeepUrfold
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of Virginia
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 16 September 2024
- Autori
- Eli J. Draizen, Stella Veretnik, Cameron Mura, Philip E. Bourne
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein folding prediction
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Parametri
- 110M
- Dati di addestramento
- tokens
"Our final network has ≈ 110M parameters in total and all of the SF-level networks were trained for 30 epochs, using a batch size of 255"
Il training run
Cosa è stato fisicamente necessario per addestrare: quali chip, quanti, per quanto tempo e cosa ha richiesto dalla rete elettrica.
- Hardware di addestramento
- NVIDIA RTX A6000
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Registrare fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Deep generative models of protein structure uncover distant relationships across a continuous fold space
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Background
DeepUrfold was published by University of Virginia, in United States of America, in September 2024. The organisation is categorised as academia.
It works in Biology, and is recorded as doing protein folding prediction.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Risposte
DeepUrfold — Domande frequenti
Who created DeepUrfold?
DeepUrfold was published by University of Virginia, based in United States of America, categorised as academia.
When was DeepUrfold released?
DeepUrfold was published in September 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is DeepUrfold used for?
DeepUrfold works in Biology, and is recorded as handling protein folding prediction. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run DeepUrfold?
None. DeepUrfold is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is DeepUrfold open source?
The licensing for DeepUrfold was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does DeepUrfold have?
DeepUrfold has 110M parameters. "Our final network has ≈ 110M parameters in total and all of the SF-level networks were trained for 30 epochs, using a batch size of 255". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.