TAWFN
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
- Northeastern University (China)
- Typ organizacji
- Academia
- Kraj
- China
- Opublikowany
- 23 September 2024
- Autorzy
- Lu Meng, Xiaoran Wang
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein 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
- tokens
PDBset Training = 36,629 * 0.8 = 29,303 AFset Training = 42,427 Total = 29,303 + 42,427 = 71,730
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
- 3.5 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
1. Hardware setup: 1x NVIDIA GeForce RTX 3090 (1.60 x 10^14 FLOPs/s per GPU) 2. Training duration: Estimated * 71,000 samples, batch size 64 → 1,100 batches/epoch * 0.5s/batch → 9 min/epoch * 100 epochs → 15 hours (54,000 seconds) 3. Utilization rate: 40% 4. Final calculation: 1.60 x 10^14 FLOPs/s × 1 GPU × 54,000s × 0.4 = 3.456 x 10^18 FLOPs
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA GeForce RTX 3090
- Zastosowane chipy
- 1
- Pobór mocy
- 379 W
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
- TAWFN: A Deep Learning Framework for Protein Function Prediction
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
TAWFN został opublikowany przez Northeastern University (China), w kraju zapisanym jako China, podczas September 2024. Kategoria, do której należy wydawca, to academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein function prediction.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Szkolenie i pochodzenie
Trenowanie zajęło budżet obliczeniowy wynoszący około 3.5 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce RTX 3090. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
TAWFN — częste pytania
TAWFN— kto to stworzył?
Zostało opublikowane przez Northeastern University (China), oparty na China, organizacja sklasyfikowana jako academia.
TAWFN— kiedy to zostało wydane?
Zostało opublikowane w September 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
TAWFN— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein function prediction. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
TAWFN— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.5 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA GeForce RTX 3090. 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.
TAWFN— 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.
TAWFN— 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.
TAWFN— 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.