GraSR
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
- Shanghai Jiao Tong University,Ministry of Education of China
- Typ organizacji
- Academia,Government
- Kraj
- China
- Opublikowany
- 24 March 2022
- Autorzy
- Chunqiu Xia, Shi-Hao Feng, Ying Xia, Xiaoyong Pan, Hong-Bin Shen
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein structure comparison
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
- 13,265 tokens
SCOPe v2.07 Dataset: Total PDB Entries: 87,224 Total Domains: 276,231 Training Set Size = Total Domains - Cross-Validation Domains Training Set Size = 276,231 - 13,265 = 262,966 domains
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
- 3.8 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
1. Hardware setup: 2x TITAN Xp GPUs (1.10×10¹³ FLOP/s each) 2. Training duration: Estimated 5 days (432,000 seconds) based on "several days" mention -> "Likely" confidence 3. Utilization rate: 40% 4. Calculation: 2 GPUs × 1.10×10¹³ FLOP/s × 432,000s × 0.40 = 3.8×10¹⁸ FLOPs
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
- Zastosowane chipy
- 2
- Czas rzeczywisty
- 120 hours
- Pobór mocy
- 1.0 kW
"The whole GraSR model is trained on two TITAN Xp Graphics Cards, and the training procedure took several days." Estimated 5 days (432,000 seconds) based on "several days" mention
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 (unrestricted)
- Kod treningowy
- Open (non-commercial)
The data and source code can be found at https://github.com/chunqiux/GraSR (GPL-3.0 license). In addition, we also archive it on Zenodo (https://doi.org/10.5281/zenodo.5338957). "The GraSR parameters are made availabe under a Creative Commons Attribution 4.0 International License."
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 28
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Fast protein structure comparison through effective representation learning with contrastive graph neural networks
- Ostatnio zaktualizowane
- 1 January 2026
Co oznaczają liczby
Skąd to pochodzi
GraSR został opublikowany przez Shanghai Jiao Tong University,Ministry of Education of China, w kraju zapisanym jako China, podczas March 2022. Kategoria, do której należy wydawca, to academia,Government.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein structure comparison.
Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta.
Co poszło w budowę tego
Trening zajmował około 3.8 × 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.
Zbiór treningowy trwał około 13,265 Tokeny tekstu.
Odpowiedzi
GraSR — częste pytania
GraSR— Gdzie mogę to pobrać?
Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.
GraSR— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.8 × 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.
GraSR— 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.
GraSR— 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.
GraSR— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
GraSR— kto to stworzył?
Zostało opublikowane przez Shanghai Jiao Tong University,Ministry of Education of China, oparty na China, organizacja sklasyfikowana jako academia,Government.
GraSR— kiedy to zostało wydane?
Zostało opublikowane w March 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
GraSR— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein structure comparison. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
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.