CLR_ESP
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu są OPEN, ale nie opublikowano liczby parametrów. Każda figura dotycząca MEMORY i prędkości zaczyna się od tej liczby, więc wolelibyśmy nic nie pokazywać niż wymyśloną estymację..
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
- Kansas State University
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 16 August 2024
- Autorzy
- Zhenjiao Du, Weiming Fu, Xiaolong Guo, Doina Caragea, Yonghui Li
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Enzyme substrate pair prediction
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 815,728 tokens
- Epoki
- 500
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 2.1 × 10¹⁷ FLOP
3*60*60*65130000000000*0.3=2.110212e+17
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA Tesla T4
- Zastosowane chipy
- 1
- Czas rzeczywisty
- 3 hours
- Pobór mocy
- 76 W
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Open — downloadable
- Dostęp do modelu
- Open weights (non-commercial)
- Kod treningowy
- Open (non-commercial)
"The datasets and codes used to generate the results of this paper are available from https://github.com/dzjxzyd/CLR_ESP" no clear license
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- CLR_ESP: Improved enzyme-substrate pair prediction using contrastive learning
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
CLR_ESP został opublikowany przez Kansas State University, w kraju zapisanym jako United States of America, podczas August 2024. Wychodzi z organizacji zaklasyfikowanej jako academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie enzyme substrate pair prediction.
Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 2.1 × 10¹⁷ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Tesla T4. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Został wytrenowany na korpusie około 815,728 Tokeny tekstu.
Odpowiedzi
CLR_ESP — częste pytania
CLR_ESP— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.1 × 10¹⁷ FLOP, na sprzęcie zarejestrowanym jako NVIDIA Tesla T4. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
CLR_ESP— Jaką GPU potrzebuję, aby ją uruchomić?
Nie możemy powiedzieć. Ma otwarte wagi, ale nie opublikowano liczby parametrów, a wszelkie obliczenia pamięci i prędkości zaczynają się od tej liczby. Wolimy nie pokazywać niczego niż fałszywą szacunkową wartość.
CLR_ESP— czy jest open weight?
Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.
CLR_ESP— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
CLR_ESP— kto to stworzył?
Zostało opublikowane przez Kansas State University, oparty na United States of America, organizacja sklasyfikowana jako academia.
CLR_ESP— kiedy to zostało wydane?
Zostało opublikowane w August 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
CLR_ESP— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie enzyme substrate pair prediction. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
CLR_ESP— Gdzie mogę to pobrać?
Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.
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.