diff --git a/modelcenter/PP-HelixFold/introduction_cn.ipynb b/modelcenter/PP-HelixFold/introduction_cn.ipynb index 96ae4f51d20efd7c92125deb74f0d1b8fd6b202b..a2b07be96d78269ec7e2734a08c58b6532221688 100644 --- a/modelcenter/PP-HelixFold/introduction_cn.ipynb +++ b/modelcenter/PP-HelixFold/introduction_cn.ipynb @@ -7,11 +7,11 @@ "source": [ "## 1. PP-HelixFold模型简介\n", "\n", - "AlphaFold2是一款高精度的蛋白质结构预测模型。PP-HelixFold基于PaddlePaddle框架在GPU和DCU上完整复现了AlphaFold2的训练和推理流程，并进一步提升模型性能与精度。通过与原版AlphaFold2模型和哥伦比亚大学Mohammed AlQuraishi教授团队基于PyTorch复现的OpenFold模型的性能对比测试显示，PP-HelixFold将训练耗时从约11天减少到7.5天。在性能大幅度提升的同时，PP-HelixFold从头端到端完整训练可以达到AlphaFold2论文媲美的精度。\n", + "AlphaFold2是一款高精度的蛋白质结构预测模型。PP-HelixFold基于PaddlePaddle框架在GPU和DCU上完整复现了AlphaFold2的训练和推理流程，并进一步提升模型性能与精度。通过与原版AlphaFold2模型和哥伦比亚大学Mohammed AlQuraishi教授团队基于PyTorch复现的OpenFold模型的性能对比测试显示，PP-HelixFold将训练耗时从约11天减少到5.12天，在使用混合并行时只需要2.89 天。在性能大幅度提升的同时，PP-HelixFold从头端到端完整训练可以达到AlphaFold2论文媲美的精度。\n", "\n", "

\n", - "\n", - "\n", + "\n", + "\n", "

\n", "\n", "\n",