Repress
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
- DeepGenomics
- Organisatietype
- Industry
- Land
- Canada
- Gepubliceerd
- 16 May 2025
- Auteurs
- Bhargav Kanuparthi, Sara E. Pour, Scott D. Findlay Omar Wagih, Jahir M. Gutierrez, Rory Gao, Jeff Wintersinger, Junru Lin, Martino Gabra, Emma Bohn, Tammy Lau, Chris Cole, Andrew Jung, Albi Celaj, Fraser Soares, Rachel Gray, Brandon Vaz, Kate Delfosse, Varun Lodaya, Sakshi Bhargava, Diane Ly, Farhan Yusuf, Ken Kron, Greg Hoffman, Shreshth Gandhi, Brendan J. Frey
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Cell Biology, RNA structure prediction, Protein-RNA binding affinity 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.
- parameters
- 133M
- Training gegevens
- tokens
- Epochs
- 60
133M
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA RTX A6000
- Gebruikte chips
- 1
- Stroomverbruik
- 323 W
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
- Unreleased
Smaller mode: Creative Commons Attribution-NonCommercial 4.0 International Public License https://github.com/deepgenomics/repress "he version of REPRESS released in this repository has 8356199 parameters"
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
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Sequence based prediction of cell type specific microRNA binding and mRNA degradation for therapeutic discovery
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
Repress werd gepubliceerd door DeepGenomics, in het land geregistreerd als Canada, tijdens May 2025. 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 cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction.
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
Repress — veelgestelde vragen
Repress— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Repress— hoeveel parameters heeft het?
Het heeft een parameter telling van 133M. 133M. 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.
Repress— wie heeft het gemaakt?
Het werd gepubliceerd door DeepGenomics, gebaseerd op Canada, een organisatie geclassificeerd als industry.
Repress— wanneer is het uitgebracht?
Het werd gepubliceerd in May 2025.
Repress— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction. 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.
Repress— 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.
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.