deepchem
2.8.0 Initial Release
网站|文档| COLAB教程|讨论论坛|不和谐|模型愿望清单|教程愿望清单
DeepChem旨在提供高质量的开源工具链，该工具链将深入学习的使用民主化在药物发现，材料科学，量子化学和生物学中。
DeepChem目前支持Python 3.7至3.10，并且需要在任何情况下使用这些软件包。
DeepChem有许多“软”要求。如果您遇到了一些错误，例如ImportError: This class requires XXXX ，则可能需要安装一些软件包。
请检查有关软性要求的文件。
DeepChem稳定版本可以使用PIP或CONDA作为
pip install deepchem或者
conda install -c conda-forge deepchem
DeepChem为张量，pytorch，jax提供了支持，并且每个都需要单独的PIP安装。
对于使用带有张量依赖性的模型，您可以使用
pip install deepchem[tensorflow]对于使用带有火炬依赖性的模型，您可以使用
pip install deepchem[torch]对于使用具有JAX依赖性的模型，您可以使用
pip install deepchem[jax]如果需要GPU支持，请确保安装CUDA，然后在安装DeepChem之前使用下面的链接安装所需的深度学习框架
在zsh中，括号用于球/图案匹配。这意味着您需要在上述安装中逃脱方括号。您可以通过将依赖项包括在pip install --pre 'deepchem[jax]'来做到这一点。
夜间版本由Deepchem的头部建造。可以使用
pip install --pre deepchem如果您想使用Docker安装Deepchem，则可以绘制两种图像。
Dockerhub：https：//hub.docker.com/repository/docker/deepchemio/deepchem
deepchemio/deepchem:xxxdocker/tag目录中deepchemio/deepchem:latestdocker/nightly Directory中您像这样拉图像。
docker pull deepchemio/deepchem:2.4.0如果您想更详细地了解Docker用法，请检查文档。
如果您尝试一次安装所有软依赖项或为DeepChem做出贡献，我们建议您从源中安装DeepChem。
请检查此介绍。
DeepChem项目保留了大量教程。所有教程均设计为在Google Colab上运行（如果您愿意的话，或本地）。教程以建议的学习顺序排列，该序列将使您从初学者到精通分子机器学习和计算生物学。
完成教程后，您也可以浏览其他示例。要将deepchem应用于新问题，请尝试从现有的示例之一或教程开始，然后逐步修改它以与您的新用例一起使用。如果您有疑问或评论，则可以在我们的吉特（Gitter）上提出它们。
Deepchem Discord主持了许多对生命科学深入学习感兴趣的科学家，开发人员和爱好者。可能是提出简单问题或浮动请求新功能的最简单的地方。
DeepChem由一个开源贡献者团队管理。任何人都可以自由加入并做出贡献！
如果您在研究过程中使用了Deepchem，我们要求您引用Deepchem Core团队的“生命科学深度学习”书。
为了引用这本书，请使用此Bibtex条目：
@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}
}
