Cancer drug mechanism prediction
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
- National Cancer Institute
- Typ organizacji
- Government
- Kraj
- United States of America
- Opublikowany
- 16 October 1992
- Autorzy
- John N. Weinstein, Kurt W. Kohn, Michael R. Grever, Vellarkad N. Viswanadhan, Lawrence V. Rubinstein, Anne P. Monks, Dominic A. Scudiero, Lester Welch, Antonis D. Koutsoukos, August J. Chiausa, Kenneth D. Paull
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Medicine
- Zadanie
- Drug discovery
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 0.6K
- Dane treningowe
- 141 tokens
“The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594
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
- 5.3 × 10⁷ FLOP
- Jak to zostało ustalone
- Operation counting
2*594*3*15000=53460000=5.35e7 “The extent of training was 15,000 presentations“
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Historical significance
- Zapisz pewność
- Likely
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Neural computing in cancer drug development: predicting mechanism of action
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
Cancer drug mechanism prediction został opublikowany przez National Cancer Institute, w kraju zapisanym jako United States of America, podczas October 1992. Kategoria, do której należy wydawca, to government.
Działa w dziedzinie Medicine, i jest zapisany jako wykonujący zadanie drug discovery.
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 5.3 × 10⁷ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Został wytrenowany na korpusie około 141 Tokeny tekstu.
Kryterium włączenia: historical significance.
Odpowiedzi
Cancer drug mechanism prediction — częste pytania
Cancer drug mechanism prediction— ile ma parametrów?
Ma liczbę parametrów równą 0.6K. “The network shown has 60 input PEs, one for each cell line, and 6 output PEs“ “Neural networks with three to nine hidden layer PEs used” 9*60 + 6*9 = 594. 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.
Cancer drug mechanism prediction— kto to stworzył?
Zostało opublikowane przez National Cancer Institute, oparty na United States of America, organizacja sklasyfikowana jako government.
Cancer drug mechanism prediction— kiedy to zostało wydane?
Zostało opublikowane w October 1992. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Cancer drug mechanism prediction— do czego to służy?
Działa w dziedzinie Medicine, i jest zarejestrowany jako realizujący zadanie drug discovery. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
Cancer drug mechanism prediction— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 5.3 × 10⁷ 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.
Cancer drug mechanism prediction— 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.
Cancer drug mechanism prediction— 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.