iSEEEK
Generative pretraining from the rankings of top expressing genes. It was trained on more than 20 million single-cell transcriptomes with a sequence length of 64.
Характеристики
- Контекст
- 1 024 токена
- Архитектура
- gpt2 · dense
- Опубликована
- 8 дек 2022
Ссылки
transcriptome-gpt-1024-8-16-64
iSEEEK — модель GPT-2 для генерации последовательностей ранжированных генов, обученная на одноклеточных транскриптомах.
558скачиваний за 30 дней2лайкавеса обновлены8 дек 2022
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
iSEEEK — генеративная модель на архитектуре GPT-2, обученная на ранжированных списках наиболее экспрессируемых генов. Разработчик обучил её на более чем 20 миллионах одноклеточных транскриптомов; длина последовательности при обучении составляла 64, а размер контекста — 1024 токена.
Модель предназначена для генерации последовательностей генов и анализа одноклеточных транскриптомных данных. Карточка не приводит подробностей о конкретных сценариях применения или результатах оценки качества. Репозиторий содержит веса PyTorch и имеет задачу text-generation; сведения о лицензии в предоставленных данных отсутствуют.
Сценарии применения
- генерация последовательностей ранжированных генов
- исследование паттернов экспрессии генов в одноклеточных данных
- эксперименты с языковым моделированием транскриптомов
Ограничения
В карточке нет сведений о точности и оценках качества модели, а также конкретных рекомендаций по её применению. Лицензия в предоставленных данных не указана.
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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейIV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей
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
Подбираем GPU…
- Класс архитектуры
- GPT2LMHeadModel
- Ревизия весов
- 29e29c6