手把手教程 | 使用AlphaFold进行蛋白质结构预测，探索生命信息密码

如果要使用NVIDIA A100则实例类型可选择p4d.24xlarge，本例测试选择具有4块NVIDIA V100 GPU的p3.8xlarge

实例创建完成后登录系统，格式化并挂载3T的数据盘到/data，具体操作参考该文档

• 文档

  https://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/ebs-using-volumes.html

1.创建输出目录

2.将docker/run_docker.py中的DOWNLOAD_DIR修改为包含下载数据库目录的路径/data, output_dir设置为上一步创建的输出目录

4.安装依赖

5.测试文件

打开：

https://www.predictioncenter.org/casp14/target.cgiarget=T1050

复制Sequence的文本到T1050.fasta文件中

6.运行可能需要几个小时时间，可以同样使用nohup命令让任务在后台执行

一个任务只能使用一块GPU，如果计算实例具有多块GPU，可以利用–gpu_devices参数将多个任务投递到不同的GPU上进行计算，如：

7.完成之后在之前设置的/tmp/alphafold目录下会有结果输出

将它附加到Amazon EC2实例上

1.安装

2.执行如下命令并按提示进行配置，详见附录

3.重新启动agent

GPU监控

1.下载python脚本

2. vim gpumon.py

3. 安装python2的依赖

执行

Amazon CloudWatch

在Amazon CloudWatch的指标中可以发现Amazon CWAgent和AlphaFold两个命名空间，其中包含了我们所需要的内存和GPU监控指标

创建一个控制面板来统一监控这些指标

只有在模型的推理阶段才会用到GPU，而且只用到了4块GPU中的一块，其余阶段都是用的CPU（https://github.com/deepmind/alphafold/issues/67）

投递两个任务

结果如下：

Amazon CloudWatch Agent配置示例

孙亮

亚马逊云科技解决方案架构师

硕士毕业于浙江大学计算机系。在加入亚马逊云科技之前，拥有多年软件行业开发经验。目前在Public Sector部门主要服务于生命科学和医疗健康相关的行业客户，致力于提供有关HPC、无服务器、数据安全等各类云计算解决方案的咨询与架构设计。

相关阅读

呼叫医生云！Amazon HealthLake 现已正式上线

点击图片查看原文

听说，点完下面4个按钮

就不会碰到bug了！

文章知识点与官方知识档案匹配，可进一步学习相关知识Java技能树首页概览92081 人正在系统学习中