BTFBS
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
- Nanjing Agricultural University
- Organisatietype
- Academia
- Land
- China
- Gepubliceerd
- 22 September 2024
- Auteurs
- Bingbing Jin, Song Liang, Xiaoqian Liu, Rui Zhang, Yun Zhu, Yuanyuan Chen, Guangjin Liu, Tao Yang
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Protein-DNA binding 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
- 10,333 tokens
"In order to ensure the consistency of sequence length, the maximum length of a DNA sequence is set to 100 and the maximum length of a protein sequence is set to 600. Sequences shorter than the maximum length are padded with zeros to match the fixed length." "As a result, 5159 non-redundant positive sequences are obtained. Approximately 10% of the sequences are randomly selected from the datasets as the independent dataset, while the remaining 90% of the sequences are used as the training and t…
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
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- BTFBS: binding-prediction of bacterial transcription factors and binding sites based on deep learning
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
BTFBS werd gepubliceerd door Nanjing Agricultural University, in het land geregistreerd als China, tijdens September 2024. Het komt uit een organisatie gecategoriseerd als academia.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van protein-DNA binding prediction.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Hoe het getraind werd
Het is getraind op een corpus van ongeveer 10,333 tekstokens
Antwoorden
BTFBS — veelgestelde vragen
BTFBS— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van protein-DNA binding prediction. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
BTFBS— 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.
BTFBS— 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.
BTFBS— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
BTFBS— wie heeft het gemaakt?
Het werd gepubliceerd door Nanjing Agricultural University, gebaseerd op China, een organisatie geclassificeerd als academia.
BTFBS— 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.