ESM2 Quantized Base
This is the base model for T30 quantized model. To use the quantized model, access gabrielbianchin/esm2_t30_long_int4.
Характеристики
- Контекст
- 2 050 токенов
- Параметры
- 197 млн
- Архитектура
- esm · dense
- Опубликована
- 26 апр 2024
Ссылки
base_esm2_t30_long
Базовая модель ESM2 для предсказания замаскированных токенов в белковых последовательностях и основа квантизированной версии T30.
8скачиваний за 30 дней0лайковвеса обновлены26 авг 2024
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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
gabrielbianchin/base_esm2_t30_long — базовая модель семейства ESM2 для связанной квантизированной версии T30. Это плотная модель типа EsmForMaskedLM с 196,6 млн параметров, предназначенная для предсказания замаскированных токенов в последовательностях. Репозиторий содержит веса в формате safetensors; заявленная длина контекста — 2050 токенов.
Модель относится к белковому семейству ESM2 и подходит для заполнения пропусков в последовательностях аминокислот. README называет её базой для gabrielbianchin/esm2_t30_long_int4. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.
Сценарии применения
- восстановление замаскированных аминокислот в белковой последовательности
- оценка вероятных аминокислот в заданной позиции последовательности
- подготовка базовой модели для получения квантизированной версии T30
Ограничения
Описание не уточняет лицензирование и результаты оценки качества модели.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…
- Класс архитектуры
- EsmForMaskedLM
- Ревизия весов
- 09ec532