CLEAN-Contact
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
- Cleveland Clinic,Kent State University,Pacific Northwest National Laboratory
- Typ organizacji
- Academia,Academia,Government
- Kraj
- United States of America
- Opublikowany
- 8 October 2024
- Autorzy
- Yuxin Yang, Abby Jerger, Song Feng, Zixu Wang, Christina Brasfield, Margaret S. Cheung, Jeremy Zucker, Qiang Guan
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Enzyme function 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
- 224,742 tokens
224,742 = 2.24742e5 datapoints (unique protein sequences with contact maps from Swiss-Prot database)
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
- Open (non-commercial)
All codes and data used in training and testing are available at https://github.com/pnnl-predictive-phenomics/clean-contact. ( NON-EXCLUSIVE RESEARCH USE LICENSE FOR CLEAN SOFTWARE) CLEAN-Contact is also freely accessible through an easy-to-use web server: https://ersa.guans.cs.kent.edu/
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 1
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- CLEAN-Contact: Contrastive Learning-enabled Enzyme Functional Annotation Prediction with Structural Inference
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
CLEAN-Contact został opublikowany przez Cleveland Clinic,Kent State University,Pacific Northwest National Laboratory, w kraju zapisanym jako United States of America, podczas October 2024. Wychodzi z organizacji zaklasyfikowanej jako academia,Academia,Government.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie enzyme function prediction.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Co poszło w budowę tego
Trening zużył korpus około 224,742 Tokeny tekstu.
Odpowiedzi
CLEAN-Contact — częste pytania
CLEAN-Contact— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie enzyme function prediction. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
CLEAN-Contact— 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.
CLEAN-Contact— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
CLEAN-Contact— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
CLEAN-Contact— kto to stworzył?
Zostało opublikowane przez Cleveland Clinic,Kent State University,Pacific Northwest National Laboratory, oparty na United States of America, organizacja sklasyfikowana jako academia,Academia,Government.
CLEAN-Contact— kiedy to zostało wydane?
Zostało opublikowane w October 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.