Machine learning a model for RNA structure prediction
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
- International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich
- Organisatietype
- Academia,Academia,Academia
- Land
- Italy, Germany
- Gepubliceerd
- 16 November 2020
- Auteurs
- Nicola Calonaci, Alisha Jones, Francesca Cuturello, Michael Sattler, Giovanni Bussi
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- RNA structure prediction
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
(52 + 388) / 2 = 220 nucleotides per RNA 18 RNA molecules × 220 nucleotides = 3,960 datapoints Rounded to: 4,000 datapoints
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.
- Training rekenen
- 1.8 × 10¹⁸ FLOP
- Hoe het werd opgericht
- Hardware
1. Hardware setup: 576 CPUs (288 nodes × 2 CPUs/node), Intel Xeon E5-2683 v4 FLOP/s per CPU: 2.688 × 10¹¹ FLOP/s Total system: 1.548288 × 10¹⁴ FLOP/s 2. Training duration: Directly provided: 8 hours = 28,800 seconds 3. Utilization rate: 40% (0.4) 4. Final calculation: 1.548288 × 10¹⁴ FLOP/s × 28,800s × 0.4 = 1.78 × 10¹⁸ FLOPs
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
- 32
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Machine learning a model for RNA structure prediction
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
Machine learning a model for RNA structure prediction werd gepubliceerd door International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich, in het land geregistreerd als Italy, tijdens November 2020. De publicerende organisatie is geclassificeerd als academia,Academia,Academia.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van rNA structure prediction.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Training en herkomst
De training run verbruikte ongeveer 1.8 × 10¹⁸ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
Machine learning a model for RNA structure prediction — veelgestelde vragen
Machine learning a model for RNA structure prediction— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van rNA structure prediction. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Machine learning a model for RNA structure prediction— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.8 × 10¹⁸ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
Machine learning a model for RNA structure prediction— 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.
Machine learning a model for RNA structure prediction— 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.
Machine learning a model for RNA structure prediction— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Machine learning a model for RNA structure prediction— wie heeft het gemaakt?
Het werd gepubliceerd door International School for Advanced Studies,Institute of Structural Biology,Technical University of Munich, gebaseerd op Italy, een organisatie geclassificeerd als academia,Academia,Academia.
Machine learning a model for RNA structure prediction— wanneer is het uitgebracht?
Het werd gepubliceerd in November 2020. 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.