ESM-DBP
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Hunan University
- Organisatietype
- Academia
- Land
- China
- Gepubliceerd
- 7 September 2024
- Auteurs
- Wenwu Zeng, Yutao Dou, Liangrui Pan, Liwen Xu, Shaoliang Peng
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Protein or nucleotide language model (pLM/nLM)
- Basis model
- ESM2-650M
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 650M
- Training gegevens
- 7,661,880 tokens
- Batchgrootte
- 100
"so the ESM2 model with 650 million parameters is used to continue training here."
"170,264 non-redundant DBP sequences (abbreviate as UniDBP40) are used as the pretraining data set."
"The batch size is set to 100."
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Fijn-tuning compute
- 1.3 × 10¹⁹ FLOP
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory." Assume FP16 precision and 40% utilization.
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Gebruikte chips
- 4
- Kloktijd
- 72 hours
"The model is trained for approximately 51k steps and took about 3 days on four Tesla V100 GPUs with 16 G memory."
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Improving prediction performance of general protein language model by domain-adaptive pretraining on DNA-binding protein
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
ESM-DBP werd gepubliceerd door Hunan University, in het land geregistreerd als China, tijdens September 2024. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van protein or nucleotide language model (pLM/nLM).
Het startpunt was een bestaand basismodel, ESM2-650M. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Wat erin ging zitten om het te bouwen
De trainingsset liep naar ongeveer 7,661,880 tekstokens
Antwoorden
ESM-DBP — veelgestelde vragen
ESM-DBP— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van protein or nucleotide language model (pLM/nLM). Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
ESM-DBP— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
ESM-DBP— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
ESM-DBP— hoeveel parameters heeft het?
Het heeft een parameter telling van 650M. "so the ESM2 model with 650 million parameters is used to continue training here.". Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
ESM-DBP— wie heeft het gemaakt?
Het werd gepubliceerd door Hunan University, gebaseerd op China, een organisatie geclassificeerd als academia.
ESM-DBP— wanneer is het uitgebracht?
Het werd gepubliceerd in September 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.