Dit is de Linux-app genaamd OpenFold waarvan de nieuwste release kan worden gedownload als OpenFoldv1.0.1.zip. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en voer deze app met de naam OpenFold gratis online uit met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCREENSHOTS
Ad
Openvouw
PRODUCTBESCHRIJVING
OpenFold reproduceert zorgvuldig (bijna) alle kenmerken van de originele open source inferentiecode (v2.0.1). De enige uitzondering is het samenstellen van modellen, dat het slecht deed in DeepMind's eigen ablatietesten en wordt uitgefaseerd in toekomstige DeepMind-experimenten. Het is hier weggelaten om de rommel te verminderen. In gevallen waarin het Nature-papier afwijkt van de bron, gaan we altijd uit van de laatste. OpenFold is trainbaar met volledige precisie, halve precisie of bfloat16 met of zonder DeepSpeed, en we hebben het helemaal opnieuw getraind, passend bij de prestaties van het origineel. We hebben modelgewichten en onze trainingsgegevens - zo'n 400,000 MSA's en PDB70-sjabloonhitbestanden - publiekelijk vrijgegeven onder een permissieve licentie. Modelgewichten zijn beschikbaar via scripts in deze repository, terwijl de MSA's worden gehost door de Registry of Open Data on AWS (RODA).
Kenmerken
- Snellere gevolgtrekking op GPU, soms wel 2x
- Gevolgtrekking op extreem lange ketens, mogelijk gemaakt door onze implementatie van low-memory attention
- Aangepaste CUDA-aandachtskernels die zijn gewijzigd ten opzichte van de kernels van FastFold, ondersteunen in-place aandacht tijdens inferentie en training
- Efficiënte uitlijningsscripts met behulp van de originele AlphaFold HHblits/JackHMMER-pijplijn of die van ColabFold
- FlashAttention-ondersteuning versnelt de aandacht van MSA aanzienlijk
- OpenFold ondersteunt ook gevolgtrekkingen met behulp van de officiële parameters van AlphaFold
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/openfold.mirror/. Het is gehost in OnWorks, zodat het op de gemakkelijkste manier online kan worden uitgevoerd vanaf een van onze gratis besturingssystemen.
