Startseite Projekte alphafold2
alphafold2

alphafold2

von lucidrains · GitHub

Um letztendlich eine inoffizielle Pytorch-Implementierung / Replikation von Alphafold2 zu werden, während Details der Architektur veröffentlicht werden.

Auf GitHub ansehen
In einfachen Worten

Replizieren Sie das Alphafold2-Modell zur Vorhersage von Proteinstrukturen mit einer PyTorch-Implementierung, sobald Details verfügbar sind.

⭐ Sterne
🍴 Forks
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
alphafold2 — GitHub preview card
📈 Sternhistorie
1 6331 632
2026-07-202026-07-29
📈 alphafold2 verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Um letztendlich eine inoffizielle Pytorch-Implementierung / Replikation von Alphafold2 zu werden, während Details der Architektur veröffentlicht werden.

alphafold2 hat 1.6k Sterne auf GitHub. Es wurde 265-mal geforkt. alphafold2 ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. alphafold2 ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: artificial-intelligence, attention-mechanism, deep-learning, protein-folding.

Frequently asked questions

Was ist alphafold2?

Um letztendlich eine inoffizielle Pytorch-Implementierung / Replikation von Alphafold2 zu werden, während Details der Architektur veröffentlicht werden.

Ist alphafold2 Open Source?

alphafold2 ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist alphafold2 kostenlos?

Ja. alphafold2 ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht alphafold2?

alphafold2 ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist alphafold2 geschrieben?

alphafold2 ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — alphafold2

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lucidrains-alphafold2)](https://opensourceai.tech/project/lucidrains-alphafold2.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
Star-Attention
Effiziente LLM-Inferenz über lange Sequenzen
391 · attention-mechanism
teiltattention-mechanism
x-transformers
Ein prägnanter, aber vollständiger Full-Attention-Transformer mit einer Reihe vielversprechende…
5.9k · artificial-intelligence
teiltattention-mechanism
reformer-pytorch
Reformer, der effiziente Transformer, in Pytorch
2.2k · artificial-intelligence
teiltattention-mechanism
PaLM-pytorch
Implementierung der spezifischen Transformer-Architektur von PaLM - Scaling Language Modeling w…
825 · artificial-general-intelligence
teiltattention-mechanism
parti-pytorch
Implementierung von Parti, Googles rein auf Aufmerksamkeit basierendes Text-zu-Bild-neuronales…
537 · artificial-intelligence
teiltattention-mechanism
lambda-networks
Implementierung von LambdaNetworks, einem neuen Ansatz zur Bilderkennung, der SOTA mit weniger…
1.5k · artificial-intelligence
teiltattention-mechanism
vit-pytorch
Implementierung des Vision Transformer, eine einfache Möglichkeit, SOTA in der Bildklassifikati…
25.4k · artificial-intelligence
teiltattention-mechanism
RETRO-pytorch
Implementierung von RETRO, Deepminds auf Abruf basierendem Aufmerksamkeitsnetzwerk, in Pytorch
879 · artificial-intelligence
teiltattention-mechanism
performer-pytorch
Eine Implementierung von Performer, einem linearen auf Aufmerksamkeit basierenden Transformer,…
1.2k · artificial-intelligence
teiltattention-mechanism
flamingo-pytorch
Implementierung von 🦩 Flamingo, dem hochmodernen Few-Shot Visual Question Answering Attention-N…
1.3k · artificial-intelligence
teiltattention-mechanism

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.