EpiScan
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Sun Yat-sen University,Guangzhou National Laboratory
- Typ organizacji
- Academia,Government
- Kraj
- China
- Opublikowany
- 9 September 2024
- Autorzy
- Chuan Wang, Jiangyuan Wang, Wenjun Song, Guanzheng Luo, Taijiao Jiang
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Antibody epitope prediction
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 288.9K
- Dane treningowe
- tokens
Loaded model from https://github.com/ gzBiomedical/EpiScan and counted parameters.
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA GeForce RTX 2080 Ti 11GB
- Zastosowane chipy
- 1
- Pobór mocy
- 271 W
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- EpiScan: accurate high-throughput mapping of antibody-specific epitopes using sequence information
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
EpiScan został opublikowany przez Sun Yat-sen University,Guangzhou National Laboratory, w kraju zapisanym jako China, podczas September 2024. Kategoria, do której należy wydawca, to academia,Government.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie antibody epitope prediction.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Odpowiedzi
EpiScan — częste pytania
EpiScan— kto to stworzył?
Zostało opublikowane przez Sun Yat-sen University,Guangzhou National Laboratory, oparty na China, organizacja sklasyfikowana jako academia,Government.
EpiScan— kiedy to zostało wydane?
Zostało opublikowane w September 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
EpiScan— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie antibody epitope prediction. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
EpiScan— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
EpiScan— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
EpiScan— ile ma parametrów?
Ma liczbę parametrów równą 288.9K. Loaded model from https://github.com/ gzBiomedical/EpiScan and counted parameters. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.