DNA Fine-Tuned Language Model (DFLM)
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
- Tongji University
- Typ organizacji
- Academia
- Kraj
- China
- Opublikowany
- 2 January 2023
- Autorzy
- Ying He , Qinhu Zhang , Siguo Wang , Zhanheng Chen , Zhen Cui , Zhen-Hao Guo, and De-Shuang Huang
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein or nucleotide language model (pLM/nLM)
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
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 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
"The pre-training of Human genome language model is resource-intensive (about 7-10 days on 2 NVIDIA TITAN X GPU)." Assuming FP32 and 30% utilization Estimate: (10*24*3600) s * 6.7e12 FLOP/s * 2 * 0.3 = 3.5e18
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA TITAN Xp
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
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Open source
MIT for code. not sure there are weights here? https://github.com/Deep-Bioinfo/DFLM
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 7
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Predicting the Sequence Specificities of DNA-Binding Proteins by DNA Fine-Tuned Language Model With Decaying Learning Rates
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
Co to jest model?
DNA Fine-Tuned Language Model (DFLM) został opublikowany przez Tongji University, w kraju zapisanym jako China, podczas January 2023. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein or nucleotide language model (pLM/nLM).
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Wytworzenie tego wymagało arytmetyki sumującej około 3.5 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA TITAN Xp. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
DNA Fine-Tuned Language Model (DFLM) — częste pytania
DNA Fine-Tuned Language Model (DFLM)— 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.
DNA Fine-Tuned Language Model (DFLM)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
DNA Fine-Tuned Language Model (DFLM)— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
DNA Fine-Tuned Language Model (DFLM)— kto to stworzył?
Zostało opublikowane przez Tongji University, oparty na China, organizacja sklasyfikowana jako academia.
DNA Fine-Tuned Language Model (DFLM)— kiedy to zostało wydane?
Zostało opublikowane w January 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
DNA Fine-Tuned Language Model (DFLM)— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein or nucleotide language model (pLM/nLM). To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
DNA Fine-Tuned Language Model (DFLM)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.5 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA TITAN Xp. 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.
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.