HiCEGNN
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
- University of Missouri
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 22 March 2025
- Autorzy
- Yanli Wang, Jianlin Cheng
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- 3D chromosome structures reconstruction
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
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 source
The source code of HiCEGNN is available at the GitHub repository: https://github.com/BioinfoMachineLearning/ HiCEGNN and at FigShare: https://doi.org/10.6084/m9. figshare.27119772. The LINE package used by HiCEGNN is available at https://github.com/tangjianpku/LINE. MIT license
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Unknown
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
HiCEGNN został opublikowany przez University of Missouri, w kraju zapisanym jako United States of America, podczas March 2025. Wychodzi z organizacji zaklasyfikowanej jako academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie 3D chromosome structures reconstruction.
Opublikowane wagi oznaczają, że model działa na twojej maszynie, a nie na czyjejś, co sprawia, że poniższe pytanie dotyczące sprzętu jest w ogóle możliwe do odpowiedzi.
Odpowiedzi
HiCEGNN — częste pytania
HiCEGNN— kto to stworzył?
Zostało opublikowane przez University of Missouri, oparty na United States of America, organizacja sklasyfikowana jako academia.
HiCEGNN— kiedy to zostało wydane?
Zostało opublikowane w March 2025.
HiCEGNN— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie 3D chromosome structures reconstruction. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
HiCEGNN— Gdzie mogę to pobrać?
Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.
HiCEGNN— 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.
HiCEGNN— 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.
HiCEGNN— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
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.