GraphMS
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
- Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center
- Typ organizacji
- Academia,Academia,Industry,Academia
- Kraj
- China
- Opublikowany
- 4 April 2021
- Autorzy
- Shicheng Cheng, Liang Zhang, Bo Jin, Qiang Zhang, Xinjiang Lu, Mao You, Xueqing Tian
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein-ligand contact 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
- 963,423 tokens
- Epoki
- 10
Edges: Drug-Protein: 1,923 Drug-Disease: 199,214 Protein-Disease: 1,596,745 Drug-Drug: 10,036 Protein-Protein: 7,363 1,923 + 199,214 + 1,596,745 + 10,036 + 7,363 = 1,815,281 total edges Final estimate: 1.8 × 10⁶ "We trained the model for 10 epochs, where each epoch contained 100 steps."
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
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 14
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- GraphMS: Drug Target Prediction Using Graph Representation Learning with Substructures
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
GraphMS został opublikowany przez Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center, w kraju zapisanym jako China, podczas April 2021. Organizacja publikująca jest klasyfikowana jako academia,Academia,Industry,Academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein-ligand contact prediction.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Jak to zostało wytrenowane
Zbiór treningowy trwał około 963,423 Tokeny tekstu.
Odpowiedzi
GraphMS — częste pytania
GraphMS— 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.
GraphMS— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
GraphMS— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
GraphMS— kto to stworzył?
Zostało opublikowane przez Dalian University of Technology,Dongbei University of Technology,Baidu,China National Health Development Research Center, oparty na China, organizacja sklasyfikowana jako academia,Academia,Industry,Academia.
GraphMS— kiedy to zostało wydane?
Zostało opublikowane w April 2021. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
GraphMS— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein-ligand contact prediction. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
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.