/ Модель

Характеристики

Параметры
119 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
mamba · dense
Опубликована
28 июн 2024

plant-dnamamba-BPE

Генерация текстаТекст → текст3 профессии

Предварительно обученная на геномах растений модель Mamba для генерации и анализа последовательностей ДНК.

103скачиваний за 30 дней1лайквеса обновлены18 апр 2025

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 «Текст» — 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

Plant DNA LLM — модель для анализа последовательностей ДНК растений, разработанная zhangtaolab. Она предварительно обучена на референсных геномах растений с помощью причинного языкового моделирования и основана на архитектуре Mamba; для последовательностей ДНК используется BPE-токенизатор со словарём из 8000 токенов. Вариант plant-dnamamba-BPE содержит 119,4 млн параметров.

Модель предназначена для генерации продолжений ДНК-последовательностей и задач анализа геномов растений. Каталог также указывает поддержку классификации текста и токенов. Максимальная длина последовательности при обучении составляла 512 токенов. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов.

Сценарии применения

  • генерация продолжений последовательностей ДНК растений
  • анализ референсных геномов растений
  • классификация геномных последовательностей
  • классификация участков или токенов в последовательностях ДНК

Ограничения

Обучение использовало последовательности максимальной длины 512 токенов, что ограничивает работу с более длинным контекстом. Лицензия CC BY-NC-SA 4.0 не допускает 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 State-Space Mamba-130m model with modified tokenizer specific for DNA sequence.

How to use

Install the runtime library first:

pip install transformers

Here is a simple code for inference (Note that Mamba model requires NVIDIA GPU for inference):

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = 'plant-dnamamba-BPE'
# 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

Можно запустить

Подбираем GPU…

Класс архитектуры
MambaForCausalLM
Ревизия весов
2d42b57

0 моделей