热门搜索:
catgumag/alphafold
catgumag
Deepmind AlphaFold v2.x镜像，基于CUDA 11.2.2构建，包含cuDNN 8、cuSOLVER 11.2和Python 3.8，采用多阶段构建以实现轻量级部署，适用于蛋白质结构预测。
7 次收藏下载次数: 0状态：社区镜像维护者：catgumag仓库类型：镜像最近更新：3 年前
让 AI 帮你使用轩辕镜像？ · 展开查看说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
Deepmind AlphaFold v2.x 镜像文档
镜像概述和主要用途
该镜像用于运行Deepmind AlphaFold v2.x，是一款专注于蛋白质结构预测的深度学习工具。基于CUDA 11.2.2基础镜像构建，集成了必要的依赖组件，提供稳定高效的运行环境，支持通过Docker快速部署和使用AlphaFold进行蛋白质结构预测任务。
核心功能和特性
- 基础环境：基于
CUDA:11.2.2-base-ubuntu20.04构建，确保GPU加速能力和系统兼容性 - 关键组件：内置cuDNN 8和cuSOLVER 11.2，优化深度学习计算性能
- Python环境：集成Python 3.8，满足AlphaFold的运行依赖要求
- 轻量级设计：采用多阶段构建技术，显著减小镜像体积，提升部署效率
使用场景和适用范围
- 主要用于蛋白质结构预测的科研与应用场景
- 适合需要在Docker环境中快速部署AlphaFold v2.x的用户
- 支持高性能计算（HPC）环境，可配合Singularity使用（提供专用脚本）
使用方法和配置说明
获取Dockerfile
镜像的Dockerfile源码可通过以下链接获取：
https://github.com/dialvarezs/alphafold/blob/main/docker/Dockerfile
构建镜像
下载Dockerfile后，使用以下命令构建镜像：
bashdocker build -t alphafold:v2.x -f Dockerfile .
运行容器
启动容器时需确保GPU支持，并挂载必要的数据目录（示例命令）：
bashdocker run --gpus all -v /本地数据路径:/data alphafold:v2.x [AlphaFold运行参数]
注：
[AlphaFold运行参数]需根据具体预测任务替换，例如蛋白质序列文件路径、输出目录等。
HPC环境使用（Singularity）
在HPC环境中使用Singularity运行时，可通过以下脚本简化操作：
https://github.com/dialvarezs/alphafold/blob/main/run_alphafold_singularity.py
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 alphafold 镜像标签
docker pull docker.xuanyuan.run/catgumag/alphafold:<标签>
DockerHub 原生拉取命令
docker pull catgumag/alphafold:<标签>
更多 alphafold 镜像推荐
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"