AI4S/Protenix
模型介绍文件和版本Pull Requests讨论分析

组件版本

hdk: 25.5.0
cann：8.3.RC3
torch：2.5.1
torch_npu：2.5.1

下载源码

git clone https://atomgit.com/AI4Science/ProteniX.git
cd ProteniX

环境准备

1.创建虚拟环境

conda create -n ProteniX python=3.10 -y
conda activate ProteniX

2.安装依赖

# 安装protenix
pip3 install protenix

# 安装gemmi、pdbeccdutils
pip3 install gemmi pdbeccdutils

pip install torch==2.5.1 torch_npu==2.5.1 pyyaml decorator attrs psutil numpy==1.26.3
  1. 验证 PyTorch 与 torch_npu 安装 执行以下命令检查安装是否成功：
python3 -c "import torch;import torch_npu; a = torch.randn(3, 4).npu(); print(a + a);"

若输出类似以下信息，说明安装成功：

tensor([[-0.6066,  6.3385,  0.0379,  3.3356],
        [ 2.9243,  3.3134, -1.5465,  0.1916],
        [-2.1807,  0.2008, -1.1431,  2.1523]], device='npu:0')

若报错，排查顺序：

  • set_env.sh 是否已 source
  • decorator 等运行时依赖是否安装
  • CANN 与 torch_npu 版本是否匹配

数据集

  • 下载数据
python scripts/gen_ccd_cache.py -c release_data/ccd_cache/ -n [num_cpu]
cd ./examples

# 下载pdb文件
wget https://files.rcsb.org/download/7pzb.pdb

# 下载cif文件
wget https://files.rcsb.org/download/7pzb.cif

cd ..

# 转换为json文件
protenix tojson --input examples/7pzb.pdb --out_dir ./output
protenix tojson --input examples/7pzb.cif --out_dir ./output

推理

# source cann
source /usr/local/Ascend/ascend-toolkit/set_env.sh

# 指定可见 NPU 卡（0,1,2,3)
export ASCEND_RT_VISIBLE_DEVICES=0

# 运行
bash inference_demo.sh

Docker镜像

已预置 Conda 运行环境、模型权重、ProteniX源码，开箱即用，可快速部署运行。

# 拉取镜像
sudo docker pull swr.cn-north-4.myhuaweicloud.com/ascend_ai4s/protenix:v1
  • 项目源码路径：/root/ProteniX/
  • 已配置好 Conda 虚拟环境
  • 已内置模型权重文件，无需额外下载