使用conda非docker非root安装alphafold2.3.2（cuda=12.0）

原创 已于 2023-11-30 17:21:48 修改 · 1.1k 阅读 · 14 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#conda #docker #容器

于 2023-11-27 21:47:48 首次发布

使用conda非docker非root安装alphafold2.3.2


（alphafold2.3.2 2023.11.14）

  1. 从github克隆项目
git clone https://github.com/deepmind/alphafold.git
cd ./alphafold
  1. 建立环境并安装包
    建立环境python==3.10(对alphafold2.3.2来说，使用python3.8会报错)
conda create -n alphafold python=3.10

进入alphafold项目目录

cd alphafold   
pip install *

注：我用的numpy为1.22版本，scipy =1.11，pandas=2.1

conda 安装 cuda和cudnn，pip安装jax与jaxlib

nvidia-smi #查看允许的最高cuda版本
最低0.47元/天 解锁文章
Fr0_o
关注
AI4S - 蛋白质结构 Chai-1 Technical Report 论文简读与运行环境 教程
AGI
04-23 1633
Chai-1 是用于分子结构预测的多模态基础模型，在药物发现相关的多种任务中都达到了行业领先水平。Chai-1 可以选择性地使用 实验约束(Experimental Restraints)，例如，从实验室数据中得出，进行提示，这可以使其性能提高两位数的百分点。Chai-1 还可以在不使用 多序列比对(Multiple Sequence Alignments, MSA) 的情况下以单序列模式运行，同时保留其大部分性能。
Alphafold2/multimer本地安装+报错处理
药研猿的博客
10-18 3820
Alphafold2本地部署常见的有两种方式：一、构建Docker镜像；二、Conda部署。尝试了一下第一种方法碰到了无法运行（不报错，但不执行计算）的问题，加上对Docker不熟悉，所以放弃，转而选择第二种。安装硬件设备：CPU: 64核磁盘: 4T系统: Ubuntu18.04RAM: 64G显卡：NVIDIA GV102CUDA版本： 11.7显卡驱动版本：515.43.04。
Alphafold2环境安装（非Docker方式）2023
gnodez的博客
06-29 3700
注：这里jaxlib版本要下载正确，与cuda的版本一致，我的cuda版本为11.3，cudnn版本为8.2.1.32，选择 jaxlib==0.3.25+cuda11.cudnn82 也能正常使用。查询cuda和cudnn版本，我这里显示cuda11.7为driver API，cuda11.3为runtimeAPI，cudnn版本为8.2.1.32。参数后将下载small_bfd数据集而不下载bfd数据集，后面运行AlphaFold时， AlphaFold参数。出现以下内容，就说明安装好了。
AlphaFold 2 本地部署与安装教程（Linux）
最新发布
qq_41025456的博客
09-08 5133
蛋白质对生命至关重要，了解其结构有助于理解其功能。通过巨大的实验努力，已测定了约 10万个独特蛋白质的结构，但这仅占已知数十亿种蛋白质序列的一小部分。结构覆盖率的瓶颈在于确定单个蛋白质结构需要数月到数年的艰辛工作。需要精确的计算方法来弥补这一差距，并实现大规模的结构生物信息学。仅根据氨基酸序列预测蛋白质将采取的三维结构——即“蛋白质折叠问题”的结构预测部分——已成为一个重要的开放研究问题超过 50 年。尽管近年来取得了进展，但现有方法在缺乏同源结构时远未达到原子精度。
ubuntu安装JAX GPU版本
L0_L0的博客
09-27 5647
首先cuda是可以向下兼容的，因此，在ubuntu22.0.4上我的cuda为12.0，cudnn为8.8；注意自己安装的python版本，创建环境指令后面的版本号要与以安装的python版本一致。已经安装好cuda和对应的cudnn，以及anaconda。，自己查询符合自己安装条件的版本。环境中是否能够得到如下类似结果。测试如下文件在所创建的。
AlphaFold2.3 conda版本详细安装与使用
Blockbuster_drug
02-02 6839
（1）结合AlphaFold官方提供了Docker安装指引，本文提供了conda版本的安装，配合run_alphafold.sh脚本使用更加方便。（2）根据AlphaFold官方python脚本，更新了run_alphafold.sh中的models_to_relax参数，便于AF2.3版本使用。（3）对alphafold预测结果使用Pymol根据pLDDT染色。
使用conda在服务器上安装alphafold3
Murphy_G的博客
01-13 879
alphafold3的conda安装教程咯！
AlphaFold安装——非docker镜像（1）
羊羊的博客
03-09 3722
AlphaFold安装——非docker镜像 参考教程 最近在配置alphafold环境，按照GitHub上的readme进行，需要在docker前提下进行，找管理服务器的师兄开了权限，但是期间很多次都需要重启docker，卑微没有root权限，没法搞定，搞得整个人心态爆炸，所以不打算在docker下搭了。 普及：docker在几年前很火，但是现在他的大势已去，主要因为很多地方需要root权限，这对大多数人来说是很大的不便。 文章目录AlphaFold安装——非docker镜像1、安装miniconda2、
精选资源
miniconda docker镜像
08-25
miniconda官方镜像，安装了cron ssh vim 启动方式 docker run -p 8822:22 -v /F/envs:/opt/conda/envs -v /F/IdeaProjects:/tmp/code -d -t -i miniconda:geovis /bin/bash
AlphaFold2无痛安装教程(超级详细)
LoveFishO的博客
02-07 1万+
无痛安装和使用AlphaFold2
解决Load cuDNN version 8401
candylu1009的博客
09-12 1759
下载地址：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-zlib-windows。lib文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib。dll文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin。
【亲测解决】解决：CUDA backend failed to initialize: Found cuBLAS version 120205
不负如来不负卿
03-21 1726
jax的cuda版本安装问题
【Jax报错】CUDA backend failed to initialize: Unable to load cuPTI
A91A981E的博客
03-21 1759
如果没有显示，那要看你是不是安装的jax的gpu版本，参考。如题，在本地跑xai的grok-1的时候遇见的问题。首先你的cuda应该是安装好的，也就是bash下。应该是包含so文件的，这时候在。这样的，有几个卡就显示几个。可以显示、python下。
AlphaFold2预测蛋白、肽结构网站简易版教程
热门推荐
weixin_46880672的博客
08-12 2万+
最近AlphaFold因为预测蛋白质结构准确率之高，并在7月于nature上发表论文，公开AlphaFold2源代码之后着实火了一把。这种能站在巨人肩膀上干活的人都在跃跃欲试。瞧，领导任务来了，菜鸟小象，看看这个能否预测我们的多肽结构，于是就开始了研究AlphaFold的使用方法，虽然限制重重，但还是不辱使命，简易版AlphaFold2使用方法来了，记录一下过程。 b站作为年轻人最常使用的软件，流量会让资源越来越丰富，对于懒癌患者的小象，着手研究AlphaFold使用方法的第一反应是去b站找教程。b站也.
RFdiffusion项目中CUDA版本不兼容问题的分析与解决
gitblog_07716的博客
06-25 325
在使用RFdiffusion项目进行蛋白质设计时，部分用户遇到了CUDA后端初始化失败的问题。错误信息显示系统检测到的CUDA版本(12010)低于JAX构建时使用的CUDA版本(12020)，导致无法正常运行ProteinMPNN和AlphaFold模块。 ## 技术分析 这个问题本质上是深度学习框架依赖环境中的常见版本冲突问题。具体表现为： 1. **JAX框架**构建时使用了CUDA ...
kalign 进行多序列比对
qq_27390023的博客
11-04 668
【代码】kalign 进行多序列比对。
JAX 中文文档（一）
龙哥盟
06-21 2091
原文：jax.readthedocs.io/en/latest/ 开始入门 安装 JAX 原文：jax.readthedocs.io/en/latest/installation.html 使用 JAX 需要安装两个包：jax 是纯 Python 的跨平台库，jaxlib 包含编译的二进制文件，对于不同的操作系统和加速器需要不同的构建。 TL;DR 对于大多数用户来说，典型的 JAX 安装可能如下所示： 仅限 CPU（Linux/macOS/Windows） pip install -U jax
PyTorch与CUDA：初学者必懂的“加速协作”指南
m0_54720701的博客
07-25 3138
PyTorch需要CUDA才能调用GPU：CUDA是“桥梁”，没有它，PyTorch只能用CPU；版本匹配是关键：驱动支持版本 ≥ 系统CUDA版本 ≥ PyTorch编译版本；安装后一定要验证：用确认GPU是否能用，别等训练时才发现问题。如果在实际操作中遇到诸如PyTorch安装后无法调用GPU等具体问题，可以随时告诉我你的情况，我会帮你进一步分析解决。
使用Flax、Jax、TF经历记录
shenyh15的博客
10-20 2948
近期复现别人代码时需要使用flax、jax、tensorflow，在安装过程中遇到了一些bug，记录在此。
cuda12.0，使用conda，pip
05-12
<think>好的，用户需要配置Multi-Human-Parsing项目的运行环境，要求使用CUDA 12.0、conda和pip。首先，我得确认CUDA 12.0对应的PyTorch版本。因为PyTorch通常会有特定的CUDA版本支持，用户提到CUDA 12.0，可能需要安装PyTorch 2.0及以上版本，因为这些版本开始支持CUDA 12.0。 接下来，用户需要使用conda和pip来管理环境。根据引用[2]，推荐优先使用conda安装，因为兼容性更好，如果conda没有相应的包，再使用pip。所以，我应该建议用户先创建一个conda虚拟环境，比如指定Python 3.8或3.9，因为这些版本比较稳定，兼容性较好。 然后，安装PyTorch时需要指定CUDA 12.0。查看PyTorch官网的安装命令，对于CUDA 12.0，正确的安装命令应该是`conda install pytorch torchvision torchaudio pytorch-cuda=12.0 -c pytorch -c nvidia`。或者用户也可以通过pip安装，但根据引用[3]，conda安装cudatoolkit可能更方便管理不同的CUDA环境，所以最好用conda安装PyTorch和相关CUDA工具包。 接下来，用户需要处理项目依赖。可能项目有requirements.txt，这时候需要指导用户用pip安装，同时注意使用镜像源加速，比如清华源。根据引用[1]，可以配置pip的镜像源，或者临时使用`-i`参数。同时，如果有依赖冲突，可能需要手动处理，比如先安装特定版本的包。 另外，引用[3]提到conda安装cudatoolkit，但CUDA 12.0可能需要更高版本的cudatoolkit，比如11.8或12.x，需要确认PyTorch对应的cudatoolkit版本是否与CUDA 12.0兼容。这里可能需要检查PyTorch版本和CUDA版本的对应关系，确保用户安装正确的组合。 最后，验证安装是否正确，包括检查CUDA是否可用，以及运行项目的测试命令。可能还需要处理一些常见问题，比如环境变量设置，或者权限问题。 总结步骤应该是：创建conda环境→安装PyTorch with CUDA 12.0→用pip安装项目依赖→处理依赖冲突→验证安装。同时需要提醒用户注意镜像源配置和可能的常见错误，比如引用[1]中提到的conda metadata获取失败的问题，可能需要换源或清理缓存。</think>根据CUDA 12.0和项目依赖的配置要求，环境搭建步骤如下： ### 一、创建conda虚拟环境 ```bash conda create -n human_parsing python=3.8 -y conda activate human_parsing ``` 建议选择Python 3.8/3.9版本以保证兼容性[^2] ### 二、安装CUDA 12.0适配的PyTorch ```bash conda install pytorch torchvision torchaudio pytorch-cuda=12.0 -c pytorch -c nvidia ``` 验证CUDA是否可用： ```python import torch print(torch.cuda.is_available()) # 应输出True print(torch.version.cuda) # 应显示12.x ``` ### 三、配置镜像源加速 1. **conda加速配置**（参考[^1]） ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` 2. **pip加速配置** ```bash pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple ``` ### 四、安装项目依赖 假设项目有requirements.txt： ```bash pip install -r requirements.txt ``` 若出现版本冲突，可采用分层安装： ```bash pip install opencv-python==4.5.5.64 pip install numpy==1.21.6 ``` ### 五、特殊依赖处理 若涉及cudnn等组件（参考[^3]）： ```bash conda install cudatoolkit=12.0 pip install nvidia-cudnn-cu12==8.9.4.25 ``` ### 六、验证环境 ```bash python -c "from torch.utils.cpp_extension import CUDA_HOME; print(f&#39;CUDA路径:{CUDA_HOME}&#39;)" ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值