deepchem

Deepchem

Site Web | Documentation | Tutoriel Colab | Forum de discussion | Discorde | Model WishList | Liste de souhaits de tutoriel

Deepchem vise à fournir une chaîne d'outils open source de haute qualité qui démocratise l'utilisation de l'apprentissage en profondeur dans la découverte de médicaments, la science des matériaux, la chimie quantique et la biologie.

Table des matières:

• Exigences
• Installation
  • Version stable
  • Version de construction nocturne
  • Docker
  • De la source
  • De la source légère
• Commencer
  • Discorde
• À propos de nous
• Contribuant à Deepchem
• Citant Deepchem

Exigences

Deepchem prend actuellement en charge Python 3.7 à 3.10 et nécessite ces packages à n'importe quelle condition.

• joblib
• Nombant
• pandas
• scikit-apprend
• Cavalier
• rdkit

Exigences souples

Deepchem a un certain nombre d'exigences "douces". Si vous faites face à certaines erreurs comme ImportError: This class requires XXXX , vous devrez peut-être installer certains packages.

Veuillez vérifier le document sur les exigences souples.

Installation

Version stable

La version stable DeepChem peut être installée à l'aide de PIP ou Conda comme

pip install deepchem

ou

 conda install -c conda-forge deepchem

Deepchem prend en charge TensorFlow, Pytorch, Jax et chacun nécessite une installation PIP individuelle.

Pour utiliser des modèles avec des dépendances TensorFlow, vous installez en utilisant

pip install deepchem[tensorflow]

Pour utiliser des modèles avec des dépendances de torche, vous installez en utilisant

pip install deepchem[torch]

Pour utiliser des modèles avec des dépendances JAX, vous installez en utilisant

pip install deepchem[jax]

Si la prise en charge du GPU est requise, assurez-vous que CUDA est installé, puis installez le cadre d'apprentissage en profondeur souhaité en utilisant les liens ci-dessous avant d'installer DeepChem

1. Tensorflow - juste CUDA installé
2. pytorch - https://pytorch.org/get-started/locally/#start-locally
3. jax - https://github.com/google/jax#pip-installation-gpu-cuda

Dans les crochets en zsh les crochets sont utilisés pour la correspondance globale / motif. Cela signifie que vous devez échapper aux crochets dans l'installation ci-dessus. Vous pouvez le faire en incluant les dépendances en guillemets comme pip install --pre 'deepchem[jax]'

Version de construction nocturne

La version nocturne est construite par la tête de Deepchem. Il peut être installé en utilisant

pip install --pre deepchem

Docker

Si vous souhaitez installer Deepchem à l'aide d'un Docker, vous pouvez tirer deux types d'images.
Dockerhub: https://hub.docker.com/repository/docker/deepchemio/deepchem

• deepchemio/deepchem:xxx
  • Image construite en utilisant un conda (xxx est une version de Deepchem)
  • L'image xxx est construite lorsque nous poussons la balise xxx
  • Dockerfile est placé dans le répertoire docker/tag
• deepchemio/deepchem:latest
  • Image construite à partir des codes source
  • La dernière image est construite chaque fois que nous nous engageons dans la branche maîtresse
  • Dockerfile est placé dans docker/nightly Directory

Vous tirez l'image comme ceci.

docker pull deepchemio/deepchem:2.4.0

Si vous souhaitez connaître plus en détail les usages Docker avec DeepChem, veuillez consulter le document.

De la source

Si vous essayez d'installer toutes les dépendances douces à la fois ou contribuez à DeepChem, nous vous recommandons d'installer DeepChem à partir de la source.

Veuillez vérifier cette introduction.

Commencer

Le projet Deepchem maintient une vaste collection de tutoriels. Tous les tutoriels sont conçus pour être exécutés sur Google Colab (ou localement si vous préférez). Les tutoriels sont organisés dans une séquence d'apprentissage suggérée qui vous amènera plus largement à l'apprentissage automatique moléculaire et à la biologie informatique.

Après avoir travaillé sur les tutoriels, vous pouvez également passer par d'autres exemples. Pour appliquer deepchem à un nouveau problème, essayez de commencer à partir de l'un des exemples ou tutoriels existants et de la modification étape par étape pour travailler avec votre nouveau cas d'utilisation. Si vous avez des questions ou des commentaires, vous pouvez les soulever sur notre gitter.

Intégrations prises en charge

• Poids et biais: suivez les mesures de formation et d'évaluation de votre modèle Deepchem.

Discorde

Le Deepchem Discord accueille un certain nombre de scientifiques, de développeurs et de passionnés intéressés par l'apprentissage en profondeur pour les sciences de la vie. Probablement l'endroit le plus simple pour poser des questions simples ou des demandes flottantes pour de nouvelles fonctionnalités.

À propos de nous

Deepchem est géré par une équipe de contributeurs open source. Tout le monde est libre de rejoindre et de contribuer!

Citant Deepchem

Si vous avez utilisé Deepchem au cours de vos recherches, nous vous demandons de citer le livre "Deep Learning for the Life Sciences" de l'équipe Deepchem Core.

Pour citer ce livre, veuillez utiliser cette entrée Bibtex:

 @book{Ramsundar-et-al-2019,
    title={Deep Learning for the Life Sciences},
    author={Bharath Ramsundar and Peter Eastman and Patrick Walters and Vijay Pande and Karl Leswing and Zhenqin Wu},
    publisher={O'Reilly Media},
    note={url{https://www.amazon.com/Deep-Learning-Life-Sciences-Microscopy/dp/1492039837}},
    year={2019}
}