/ Модель

Характеристики

Контекст
512 токенов
Параметры
113 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
bert · dense
Опубликована
30 сен 2024

plant-dnabert-singlebase

Заполнение пропусковТекст → текст3 профессии

Это предварительно обученная модель zhangtaolab для предсказания скрытых фрагментов ДНК и анализа последовательностей растительных геномов.

46скачиваний за 30 дней0лайковвеса обновлены14 окт 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

zhangtaolab/plant-dnabert-singlebase — zhangtaolab әзірлеген өсімдік ДНҚ-сын талдауға арналған алдын ала оқытылған тілдік модель. Ол өсімдік геномдарының тізбектерінде үйретілген және ДНҚ-ға бейімделген BPE токенизаторын қолданады; сөздік көлемі 8 000 токен, контекст ұзындығы 512 токен, ал модельде 113,3 млн параметр бар. Архитектурасы BERT негізіндегі тығыз модель, Hugging Face класында BertForMaskedLM деп көрсетілген.

Модель ДНҚ тізбегіндегі жасырылған нуклеотидтік фрагменттерді болжауға және өсімдік геномдарының тізбегін зерттеуге арналған. Метадеректерде негізгі міндеті fill-mask деп берілген, ал карточкада модель өсімдік геномдарында CausalLM әдісімен алдын ала оқытылғаны айтылған. Ол PyTorch және safetensors форматтарында қолжетімді. Лицензиясы CC BY-NC-SA 4.0; коммерциялық пайдалануға шектеу қойылады және туынды жұмыстар сол лицензиямен таратылуы тиіс.

Сценарии применения

  • предсказание замаскированных фрагментов в последовательности ДНК растений
  • анализ последовательностей растительных геномов
  • изучение закономерностей в референсных геномах растений

Ограничения

Контекст ограничен 512 токенами. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование.

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

Plant foundation DNA large language models

The plant DNA large language models (LLMs) contain a series of foundation models based on different model architectures, which are pre-trained on various plant reference genomes.
All the models have a comparable model size between 90 MB and 150 MB, BPE tokenizer is used for tokenization and 8000 tokens are included in the vocabulary.

Developed by: zhangtaolab

Model Sources

Architecture

The model is trained based on the Google Gemma model with modified config and tokenizer specific for DNA sequence.

How to use

Install the runtime library first:

pip install transformers

Here is a simple code for inference:

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = 'plant-dnabert-singlebase'
# load model and tokenizer
model = AutoModelForCausalLM.from_pretrained(f'zhangtaolab/{model_name}', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(f'zhangtaolab/{model_name}', trust_remote_code=True)

# example sequence and tokenization
sequences = ['ATATACGGCCGNC','GGGTATCGCTTCCGAC']
tokens = tokenizer(sequences,padding="longest")['input_ids']
print(f"Tokenzied sequence: {tokenizer.batch_decode(tokens)}")

# inference
device = torch.device('cuda') if torch.cuda.is_available() else torch.device('cpu')
model.to(device)
inputs = tokenizer(sequences, truncation=True, padding='max_length', max_length=512, 
                   return_tensors="pt")
inputs = {k: v.to(device) for k, v in inputs.items()}
outs = model(
    **inputs,
    output_hidden_states=True
)

# get the final layer embeddings and prediction logits
embeddings = outs['hidden_states'][-1].detach().numpy()
logits = outs['logits'].detach().numpy()

Training data

We use CausalLM method to pre-train the model, the tokenized sequence have a maximum length of 512.
Detailed training procedure can be found in our manuscript.

Hardware

Model was pre-trained on a NVIDIA RTX4090 GPU (24 GB).

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
5a8b24b

0 моделей