ProteinINR
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
- Kakao
- Organisatietype
- Industry
- Land
- Korea (Republic of)
- Gepubliceerd
- 16 January 2024
- Auteurs
- Youhan Lee, Hasun Yu, Jaemyung Lee, Jaehoon Kim
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Protein representation learning
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
Calculation: 16,384 x 906,458 = 14,879,754,112 ≈ 1.5e10 data points Additional calculation: 300 x 906,458 = 272,000,000 points (sequence data) Final estimate: 1.5e10 data points (dominated by structural data)
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
- Likely
- Citaties
- 20
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Pre-training Sequence, Structure, and Surface Features for Comprehensive Protein Representation Learning
- Laatst bijgewerkt
- 1 January 2026
Wat de cijfers betekenen
Over dit model
ProteinINR werd gepubliceerd door Kakao, in het land geregistreerd als Korea (Republic of), tijdens January 2024. Het komt uit een organisatie gecategoriseerd als industry.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van protein representation learning.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Antwoorden
ProteinINR — veelgestelde vragen
ProteinINR— 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.
ProteinINR— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van protein representation learning. 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.
ProteinINR— 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.
ProteinINR— 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.
ProteinINR— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
ProteinINR— wie heeft het gemaakt?
Het werd gepubliceerd door Kakao, gebaseerd op Korea (Republic of), een organisatie geclassificeerd als industry.
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.