/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
5 авг 2023

human_gpt2-v1

ЭмбеддингиТекст → embedding3 профессии

GPT-2-модель, обученная на геноме человека, для получения векторных представлений последовательностей ДНК.

102скачиваний за 30 дней10лайковвеса обновлены6 авг 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

dnaGPT human_gpt2-v1 — языковая модель для последовательностей ДНК, разработанная командой dnaGPT на основе архитектуры GPT-2 и обученная на данных генома человека. Для токенизации используется BPE вместо разбиения на k-меры; в карточке указано, что обучение проводилось на сборке генома человека T2T. Модель доступна через Transformers и выдаёт скрытые состояния размерности 768, которые можно объединять пулингом в векторное представление последовательности.

Модель предназначена для извлечения признаков и построения эмбеддингов последовательностей ДНК, например для последующего анализа или сравнения. Контекст составляет 1024 токена. Репозиторий содержит веса PyTorch и код обучения BPE. Лицензия — Apache-2.0; README не приводит сравнительных оценок качества или подробных результатов на биологических задачах.

Сценарии применения

  • получение эмбеддингов последовательностей ДНК
  • извлечение признаков из геномных последовательностей
  • подготовка представлений ДНК для кластеризации
  • сравнение геномных последовательностей по их эмбеддингам

Ограничения

Обучение ориентировано на геном человека, поэтому применимость к другим организмам не установлена. README не приводит количественных оценок качества на downstream-задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dna language model trained using gpt2. using human genome data.

Key features of our dangpt models:

  1. BPE tokenization instead of k-mers (DNABERT, DNABERT2 also use BPE)
  2. GPT model, but not bert(DNABERT, GENA_LM)
  3. pre-training on the latest T2T human genome assembly
  4. details:https://github.com/maris205/dnagpt. includes train/bpe code

from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained('dnagpt/human_gpt2-v1')
tokenizer.tokenize("GAGCACATTCGCCTGCGTGCGCACTCACACACACGTTCAAAAAGAGTCCATTCGATTCTGGCAGTAG")
#result: [G','AGCAC','ATTCGCC',....]

model = AutoModel.from_pretrained('dnagpt/human_gpt2-v1')
import torch
dna = "ACGTAGCATCGGATCTATCTATCGACACTTGGTTATCGATCTACGAGCATCTCGTTAGC"
inputs = tokenizer(dna, return_tensors = 'pt')["input_ids"]
hidden_states = model(inputs)[0] # [1, sequence_length, 768]

# embedding with mean pooling
embedding_mean = torch.mean(hidden_states[0], dim=0)
print(embedding_mean.shape) # expect to be 768

# embedding with max pooling
embedding_max = torch.max(hidden_states[0], dim=0)[0]
print(embedding_max.shape) # expect to be 768

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2Model
Ревизия весов
4c82835

0 моделей