Cancer drug mechanism 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
- National Cancer Institute
- Organisatietype
- Government
- Land
- United States of America
- Gepubliceerd
- 16 October 1992
- Auteurs
- John N. Weinstein, Kurt W. Kohn, Michael R. Grever, Vellarkad N. Viswanadhan, Lawrence V. Rubinstein, Anne P. Monks, Dominic A. Scudiero, Lester Welch, Antonis D. Koutsoukos, August J. Chiausa, Kenneth D. Paull
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Medicine
- Taak
- Drug discovery
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
- 0.6K
- Training gegevens
- 141 tokens
“The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594
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
- 5.3 × 10⁷ FLOP
- Hoe het werd opgericht
- Operation counting
2*594*3*15000=53460000=5.35e7 “The extent of training was 15,000 presentations“
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.
- Waarom het wordt gevolgd
- Historical significance
- Record vertrouwen
- Likely
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Neural computing in cancer drug development: predicting mechanism of action
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
Cancer drug mechanism prediction werd gepubliceerd door National Cancer Institute, in het land geregistreerd als United States of America, tijdens October 1992. De categorie waaronder de uitgever valt is government.
Het werkt in het domein van Medicine, en wordt geregistreerd als het uitvoeren van de taak van drug discovery.
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
Het produceren ervan vereiste een rekenkundige totaal van ongeveer 5.3 × 10⁷ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 141 tekstokens
De inclusiecriteria: historical significance.
Antwoorden
Cancer drug mechanism prediction — veelgestelde vragen
Cancer drug mechanism prediction— hoeveel parameters heeft het?
Het heeft een parameter telling van 0.6K. “The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594. 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.
Cancer drug mechanism prediction— wie heeft het gemaakt?
Het werd gepubliceerd door National Cancer Institute, gebaseerd op United States of America, een organisatie geclassificeerd als government.
Cancer drug mechanism prediction— wanneer is het uitgebracht?
Het werd gepubliceerd in October 1992. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Cancer drug mechanism prediction— waarvoor wordt het gebruikt?
Het werkt in het domein van Medicine, en wordt geregistreerd als het afhandelen van drug discovery. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Cancer drug mechanism prediction— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 5.3 × 10⁷ 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.
Cancer drug mechanism 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.
Cancer drug mechanism 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.
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.