MahLool
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
- University of Rochester
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 3 April 2023
- Autorzy
- Mehrad Ansari, Andrew D. White
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein property 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
- tokens
DATA TOKENS = 44,954 sequences * 200 amino acids/sequence = 8,990,800 tokens FINAL = 8,990,800 (8.99e6) unique tokens seen in first epoch Key calculations: - Total sequences: 9,316 + 18,453 + 17,185 = 44,954 - Total tokens: 44,954 * 200 = 8,990,800
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
- Serverless Prediction of Peptide Properties with Recurrent Neural Networks
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
MahLool został opublikowany przez University of Rochester, w kraju zapisanym jako United States of America, podczas April 2023. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein property prediction.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Odpowiedzi
MahLool — częste pytania
MahLool— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
MahLool— kto to stworzył?
Zostało opublikowane przez University of Rochester, oparty na United States of America, organizacja sklasyfikowana jako academia.
MahLool— 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.
MahLool— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein property prediction. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
MahLool— 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.
MahLool— 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.