MTDP
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
- Chinese University of Hong Kong (CUHK),City University of Hong Kong
- Organisatietype
- Academia,Academia
- Land
- Hong Kong
- Gepubliceerd
- 24 September 2024
- Auteurs
- Jiayu Shang, Cheng Peng, Yongxin Ji, Jiaojiao Guan, Dehan Cai, Xubo Tang, Yanni Sun
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Protein embedding
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
- 20M
- Training gegevens
- tokens
- Epochs
- 10
- Batchgrootte
- 16
"In particular, the student model in MTDP has a significantly smaller parameter scale (~20 million)" from 2.1 Model Structure
"MTDP is pre-trained on ~500 000 proteins from UniProtKB (Swiss-Prot) provided by the teacher model (Elnaggar et al. 2021)." from 2.3.1 Pre-training data
"We conducted the pre-training process on four RTX 3080 24 GB Nvidia GPUs, with a batch size of 16." from 2.3.1 Pre-training data
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
- 6 × 10¹⁴ FLOP
- Hoe het werd opgericht
- Operation counting
6 * 20,000,000 connections * 500,000 training examples * 10 epochs = 6.0e14 FLOP
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA GeForce RTX 3080
- Gebruikte chips
- 4
- Stroomverbruik
- 2.5 kW
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
Academic Free License v3.0 License. Inference and fine-tuning code + datasets, I don't see model weights and training code https://github.com/KennthShang/MTDP
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
- Accurate and efficient protein embedding using multi-teacher distillation learning
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
MTDP werd gepubliceerd door Chinese University of Hong Kong (CUHK),City University of Hong Kong, in het land geregistreerd als Hong Kong, tijdens September 2024. Het komt uit een organisatie gecategoriseerd als academia,Academia.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van protein embedding.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Hoe het getraind werd
De training run verbruikte ongeveer 6 × 10¹⁴ FLOP, op hardware vastgelegd als NVIDIA GeForce RTX 3080. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
MTDP — veelgestelde vragen
MTDP— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van protein embedding. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
MTDP— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 6 × 10¹⁴ FLOP, op hardware vastgelegd als NVIDIA GeForce RTX 3080. 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.
MTDP— 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.
MTDP— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
MTDP— hoeveel parameters heeft het?
Het heeft een parameter telling van 20M. "In particular, the student model in MTDP has a significantly smaller parameter scale (~20 million)" from 2.1 Model Structure. 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.
MTDP— wie heeft het gemaakt?
Het werd gepubliceerd door Chinese University of Hong Kong (CUHK),City University of Hong Kong, gebaseerd op Hong Kong, een organisatie geclassificeerd als academia,Academia.
MTDP— wanneer is het uitgebracht?
Het werd gepubliceerd in September 2024. 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.