DiffDock-PP
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
- Technical University of Munich,Massachusetts Institute of Technology (MIT)
- Typ organizacji
- Academia,Academia
- Kraj
- Germany, United States of America
- Opublikowany
- 8 April 2023
- Autorzy
- Mohamed Amine Ketata, Cedrik Laue, Ruslan Mammadov, Hannes Stärk, Menghua Wu, Gabriele Corso, Céline Marquet, Regina Barzilay, Tommi S. Jaakkola
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein interaction 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
- 1.6M
- Dane treningowe
- 42,826 tokens
- Epoki
- 170
42,826 pairs approximated at 500 tokens 42826*500=21413000
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
- 3.5 × 10¹⁶ FLOP
Using 6ND formula with 170 epochs 6*21413000*1620000*170=3.5382841e+16
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 67
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- DiffDock-PP: Rigid Protein-Protein Docking with Diffusion Models
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
O tym modelu
DiffDock-PP został opublikowany przez Technical University of Munich,Massachusetts Institute of Technology (MIT), w kraju zapisanym jako Germany, podczas April 2023. Kategoria, do której należy wydawca, to academia,Academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein interaction prediction.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 3.5 × 10¹⁶ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Zbiór treningowy trwał około 42,826 Tokeny tekstu.
Odpowiedzi
DiffDock-PP — częste pytania
DiffDock-PP— kiedy to zostało wydane?
Zostało opublikowane w April 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
DiffDock-PP— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein interaction prediction. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
DiffDock-PP— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.5 × 10¹⁶ FLOP. 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.
DiffDock-PP— 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.
DiffDock-PP— 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.
DiffDock-PP— ile ma parametrów?
Ma liczbę parametrów równą 1.6M. 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.
DiffDock-PP— kto to stworzył?
Zostało opublikowane przez Technical University of Munich,Massachusetts Institute of Technology (MIT), oparty na Germany, organizacja sklasyfikowana jako academia,Academia.
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.