McMLP
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Harvard Medical School,University of Illinois Urbana-Champaign (UIUC),Harvard TH Chan School of Public Health
- Organisatie type
- Academia,Academia,Academia
- Land
- United States of America
- Gepubliceerd
- 19 September 2024
- Auteurs
- Tong Wang, Hannah D Holscher, Sergei Maslov, Frank B Hu, Scott T Weiss, Yang-Yu Liu
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Biology
- Taak
- Human physiology
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Opleidingsgegevens
- tokens
Training data points calculation: Synthetic: 250 * 0.8 = 200 points Avocado study: 132 points Total = 200 + 132 = 332 points (3.32e2)
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
- Model toegang
- Unreleased
- Trainingscode
- Open source
"Code Availability. The code of McMLP was deposited to the same McMLP GitHub repository." MIT license https://github.com/wt1005203/McMLP
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Confident
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Predicting metabolite response to dietary intervention using deep learning
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
McMLP was published by Harvard Medical School,University of Illinois Urbana-Champaign (UIUC),Harvard TH Chan School of Public Health, in United States of America, in September 2024. academia,Academia,Academia is the category the publisher falls under.
It works in Biology, and is recorded as doing human physiology.
De gewichten zijn nooit gepubliceerd, dus het kan alleen worden bereikt via de aanbieder. Geen enkele grafische kaart verandert dat.
Antwoorden
McMLP — Veelgestelde vragen
When was McMLP released?
McMLP was published in September 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is McMLP used for?
McMLP works in Biology, and is recorded as handling human physiology. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run McMLP?
None. McMLP is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is McMLP open source?
No. McMLP has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does McMLP have?
No parameter count has been published for McMLP, which is why no memory or speed figure appears on this page.
Who created McMLP?
McMLP was published by Harvard Medical School,University of Illinois Urbana-Champaign (UIUC),Harvard TH Chan School of Public Health, based in United States of America, categorised as academia,Academia,Academia.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.