Prothyena
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
- Tokyo Institute of Technology
- Organisatietype
- Academia
- Land
- Japan
- Gepubliceerd
- 22 January 2024
- Auteurs
- Yiming Zhang, Manabu Okumura
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)
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
- 4.3M
- Training gegevens
- tokens
"This model employs a BPE tokenizer with a vocabulary size of 10k, which consequentially expands the model parameters to 4.3 million"
Data Estimate Summary: 10,000,000 sequences × 300 amino acids = 3,000,000,000 tokens (3 billion)
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
- 4
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- ProtHyena: A fast and efficient foundation protein language model at single amino acid Resolution
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
Prothyena werd gepubliceerd door Tokyo Institute of Technology, in het land geregistreerd als Japan, tijdens January 2024. De categorie waaronder de uitgever valt is 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).
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Antwoorden
Prothyena — veelgestelde vragen
Prothyena— wie heeft het gemaakt?
Het werd gepubliceerd door Tokyo Institute of Technology, gebaseerd op Japan, een organisatie geclassificeerd als academia.
Prothyena— wanneer is het uitgebracht?
Het werd gepubliceerd in January 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Prothyena— 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.
Prothyena— 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.
Prothyena— 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.
Prothyena— hoeveel parameters heeft het?
Het heeft een parameter telling van 4.3M. "This model employs a BPE tokenizer with a vocabulary size of 10k, which consequentially expands the model parameters to 4.3 million". 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.
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.