ProLLaMA
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
- Peking University,Peng Cheng Laboratory
- Typ organizacji
- Academia,Academia
- Kraj
- China
- Opublikowany
- 26 February 2024
- Autorzy
- Liuzhenghao Lv, Zongying Lin, Hao Li, Yuyang Liu, Jiaxi Cui, Calvin Yu-Chian Chen, Li Yuan, Yonghong Tian
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein question answering
- Model bazowy
- Llama 2-7B
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 7B
- Dane treningowe
- tokens
52,807,283 sequences × 300 residues/sequence = 15,842,184,900 tokens ≈ 1.6 × 10^10 tokens
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
- 8.4 × 10²² FLOP
- Jak to zostało ustalone
- Hardware
1. Hardware setup: 8x NVIDIA RTX A6000 GPUs (3.87e13 FLOP/s per GPU) 2. Training duration: Provided directly - Stage 1: 6 days, Stage 2: 5 days (Total: 11 days = 950,400 seconds) 3. Utilization rate: 40% 4. Calculation: (8 GPUs × 3.87e13 FLOP/s/GPU) × 950,400 seconds × 0.4 utilization = 1.2e20 FLOPs (Stage 1: 1.603e20 + Stage 2: 1.338e20) × 0.4 = 1.2e20 FLOPs Base model: 8.4e+22 total : 84120000000000000000000
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA RTX A6000
- Zastosowane chipy
- 8
- Czas rzeczywisty
- 264 hours (11 days)
- Pobór mocy
- 4.7 kW
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 84
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- ProLLaMA: A Protein Language Model for Multi-Task Protein Language Processing
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Co to jest model?
ProLLaMA został opublikowany przez Peking University,Peng Cheng Laboratory, w kraju zapisanym jako China, podczas February 2024. Kategoria, do której należy wydawca, to academia,Academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein question answering.
Opiera się na Llama 2-7B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 8.4 × 10²² FLOP, na sprzęcie zarejestrowanym jako NVIDIA RTX A6000. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
ProLLaMA — częste pytania
ProLLaMA— ile ma parametrów?
Ma liczbę parametrów równą 7B. 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.
ProLLaMA— kto to stworzył?
Zostało opublikowane przez Peking University,Peng Cheng Laboratory, oparty na China, organizacja sklasyfikowana jako academia,Academia.
ProLLaMA— kiedy to zostało wydane?
Zostało opublikowane w February 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
ProLLaMA— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein question answering. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
ProLLaMA— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 8.4 × 10²² FLOP, na sprzęcie zarejestrowanym jako NVIDIA RTX A6000. 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.
ProLLaMA— 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.
ProLLaMA— 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.
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.