К содержимому
Другое

pooper-b10-1b

геномная модель на 983M параметров в стиле AlphaGenome

2 мин чтенияобновлено

Исследовательский прототип от автора zatumout предсказывает 1885 функциональных геномных сигналов проекта ENCODE (ATAC-seq, DNase-seq, histone ChIP-seq и RNA-seq для сборки генома человека GRCh38) с точностью до одного нуклеотида (1 bp) напрямую по последовательности ДНК. В основе лежит архитектура alphagenome со стеком из 37 слоёв (пресет S), обученная методом дистилляции на сжатых представлениях Zipoop teacher shards для окон длиной 32 768 пар оснований. В отличие от меньшей версии pooper-b6 (407M параметров), увеличение масштаба до ~983M за те же 20 000 шагов не дало прироста качества на валидации. Модель пригодится биоинформатикам и исследователям для экспериментов с геномными архитектурами и дистилляцией треков.

Ключевые особенности

  • Архитектура alphagenome с башней из 37 слоёв и выходной головой TrackHead(1536, 1 bp) на 1885 треков.
  • Обучение через дистилляцию: таргетами выступали переобученные на окнах по 32 768 bp маленькие сети-учителя (Zipoop teacher shards).
  • В комплекте выложены веса best.pt (~12 ГБ), полный лог log.jsonl и статистики track_stats.pt для денормализации предсказаний.
  • Лучше всего модель предсказывает открытый хроматин (ATAC и DNase), тогда как RNA-seq и гистоновые метки ChIP даются ей заметно слабее.

Что можно сделать

  • Использовать чекпоинт и track_stats.pt в исследовательских пайплайнах PyTorch для анализа регуляторных сигналов по участкам ДНК.
  • Сравнить поведение 983M-модели с более компактной версией pooper-b6 (407M), чтобы изучить влияние масштабирования и расписания learning rate в геномных сетях.

Пример

В карточке не приведён код инференса — автор опубликовал сырой чекпоинт PyTorch: загрузите веса из best.pt (проверив контрольную сумму по SHA256_CHECK.txt), подайте на вход закодированную последовательность ДНК и переведите выход модели из нормализованного пространства в исходные значения треков с помощью статистик из track_stats.pt.

ПодробнееВалидация (fold0, корреляция Пирсона по окнам, шаг 20 000): ATAC — 0.658, DNase — 0.641, ChIP — 0.439, RNA-seq — 0.275, mean — 0.402, balanced — 0.503.
Обучение: 982 728 769 параметров, 20 000 шагов (peak lr 2e-4), ~3.19 с/шаг, потребление около 29.9 ГБ GPU-памяти (~19 часов на один прогон).
Ограничения: исследовательский прототип на одном сиде без теста на отложенном фолде (fold1); не предназначен для клинического применения или оценки эффекта мутаций.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 11 GB · готовые файлы13 GB
  • FP8 / INT8рекомендуемвеса 5.6 GB6.6 GB
  • 4-bitвеса 3.1 GB4.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5060 Ti 8GB · BF16 — от RTX 5080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # zatumout/pooper-b10-1b
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download zatumout/pooper-b10-1b --local-dir ~/models/pooper-b10-1b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pooper-b10-1b
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии pooper-b10-1b — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

zatumout/pooper-b10-1b
Автор
zatumout
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Kefir 2 SFT

Kefir 2 SFT