Repress
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
- DeepGenomics
- Typ organizacji
- Industry
- Kraj
- Canada
- Opublikowany
- 16 May 2025
- Autorzy
- Bhargav Kanuparthi, Sara E. Pour, Scott D. Findlay Omar Wagih, Jahir M. Gutierrez, Rory Gao, Jeff Wintersinger, Junru Lin, Martino Gabra, Emma Bohn, Tammy Lau, Chris Cole, Andrew Jung, Albi Celaj, Fraser Soares, Rachel Gray, Brandon Vaz, Kate Delfosse, Varun Lodaya, Sakshi Bhargava, Diane Ly, Farhan Yusuf, Ken Kron, Greg Hoffman, Shreshth Gandhi, Brendan J. Frey
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 133M
- Dane treningowe
- tokens
- Epoki
- 60
133M
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA RTX A6000
- Zastosowane chipy
- 1
- Pobór mocy
- 323 W
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
Smaller mode: Creative Commons Attribution-NonCommercial 4.0 International Public License https://github.com/deepgenomics/repress "he version of REPRESS released in this repository has 8356199 parameters"
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
- Sequence based prediction of cell type specific microRNA binding and mRNA degradation for therapeutic discovery
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
Repress został opublikowany przez DeepGenomics, w kraju zapisanym jako Canada, podczas May 2025. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Odpowiedzi
Repress — częste pytania
Repress— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Repress— ile ma parametrów?
Ma liczbę parametrów równą 133M. 133M. 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.
Repress— kto to stworzył?
Zostało opublikowane przez DeepGenomics, oparty na Canada, organizacja sklasyfikowana jako industry.
Repress— kiedy to zostało wydane?
Zostało opublikowane w May 2025.
Repress— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie cell Biology, RNA structure prediction, Protein-RNA binding affinity prediction. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Repress— 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.
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.