Protllm
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
- Beijing Institute of Technology,Beihang University,Peking University,Smart Grid Research Institute,Shanghai AI Lab
- Organisatietype
- Academia,Academia,Academia,Academia
- Land
- China
- Gepubliceerd
- 28 February 2024
- Auteurs
- Le Zhuo, Zewen Chi, Minghao Xu, Heyan Huang, Heqi Zheng, Conghui He, Xian-Ling Mao, Wentao Zhang
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
- LLaMA-7B
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.
- Training gegevens
- tokens
Summary of calculations: PubMed Articles: 165,206 × 10,000 = 1.65206 × 10^9 UniProt Annotations: 64,634 × 100 = 6.4634 × 10^6 STRING Annotations: 25,682 × 100 = 2.5682 × 10^6 Mol-Instructions: 173,973 × 500 = 86.9865 × 10^6 Dataset total: 1.65206 × 10^9 + 6.4634 × 10^6 + 2.5682 × 10^6 + 86.9865 × 10^6 = 1.7475 × 10^9 Training tokens: 10,000 × 256 × 512 = 1.31072 × 10^9 Final estimate: 1.31 × 10^9 data points Training step based estimate: 10000 steps with batch size 256 and length 512 (Tabl…
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.
- Hoe het werd opgericht
- Operation counting
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100
- Gebruikte chips
- 4
- Stroomverbruik
- 3.2 kW
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Open (non-commercial)
no clear license for training and inference code https://github.com/ProtLLM/ProtLLM/tree/main weights are announced but not released https://huggingface.co/ProtLLM
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
- Citaties
- 29
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- ProtLLM: An Interleaved Protein-Language LLM with Protein-as-Word Pre-Training
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Waar het vandaan kwam
Protllm werd gepubliceerd door Beijing Institute of Technology,Beihang University,Peking University,Smart Grid Research Institute,Shanghai AI Lab, in het land geregistreerd als China, tijdens February 2024. Het komt uit een organisatie gecategoriseerd als academia,Academia,Academia,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 bouwt voort op LLaMA-7B. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Antwoorden
Protllm — veelgestelde vragen
Protllm— 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.
Protllm— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Protllm— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Protllm— wie heeft het gemaakt?
Het werd gepubliceerd door Beijing Institute of Technology,Beihang University,Peking University,Smart Grid Research Institute,Shanghai AI Lab, gebaseerd op China, een organisatie geclassificeerd als academia,Academia,Academia,Academia.
Protllm— wanneer is het uitgebracht?
Het werd gepubliceerd in February 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Protllm— 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). Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
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.