蛋白质的组成 蛋白质基本上就是一部分子机器，对生命的支撑起着关键作用。 蛋白质属于高分子聚合物，是由氨基酸残基组成的多肽链。 蛋白质在工作过程中，它的三维结构即多肽链的结构是以严格确定的方式折叠起来的。 蛋白质折叠结构中分为 一级 -> 四级 结构 组成多肽链的氨基酸序列决定了蛋白质的三维结构，即蛋白质的一级结构决定了蛋白质的三维结构 蛋白质的生产过程 蛋白质的基本组成单位 - 氨基酸 氨基酸的维基百科 基本的20种氨基酸名称结构和表达式: 氨基酸的基本结构: 可以分为 氨基(NH2)，羧基(CO2H)，侧链(R) 蛋白质构象 Rosetta 蛋白质折叠
开启 Hello AI World 之旅 官方项目的源码地址 jetson nano 硬件配置 GPU架构: 128-core Maxwell CPU: Quad-core ARM A57 @ 1.43 GHz Memory: 4 GB 64-bit LPDDR4 25.6 GB/s Storage: microSD Card Video Encode: 4K @ 30 | 4x 1080p @ 30 | 9x 720p @ 30 (H.264/H.265) Video Decode: 4K @ 60 | 2x 4K @ 30 | 8x 1080p @ 30 | 18x 720p @ 30 (H.264/H.265) Camera: 2x MIPI CSI-2 DPHY lanes ...
关于人工神经网络 人工神经网络模型判断手写数字 我们首先在Mathematica中徒手打造一个人工神经网络，然后对该神经网络进行训练，最后用训练得到的模型来判断图片上的手写数字是多少。 trainingData = ResourceData["MNIST", "TrainingData"]; testData = ResourceData["MNIST", "TestData"]; net = NetInitialize@NetChain[{ FlattenLayer[], LinearLayer[500], ElementwiseLayer["Sigmoid"], LinearLayer[100], ElementwiseLayer["Sigmoid"], LinearLayer[10], SoftmaxLayer[]}, "Input" -> NetEncoder[{"Image", {12, 12}, "ColorSpace" -> "Grayscale"}], "Output" -> NetDecoder[{"Class", Range[0, 9]}]] NetEncoder告诉我们输入的单通道12*12的图像 NetDecoder告诉我们我们的神经网络模型最后输出的是一个分类，类别分别是0-9中的一个数字 网络层的模型为： FlattenLayer[] 图像中的像素数据即两纬数据排列成一纬数据做为输入 LinearLayer[500] 第一层线性层，输出数据为500个，限定函数为Sigmoid LinearLayer[100] 第二层线性层，输出数据为100个，限定函数为Sigmoid LinearLayer[10] 最后一层输出，因为我们需要有10个分类，所以这里设定是10，限定函数为 Softmax 神经网络层形象的展示如下: 训练数据标记，左边是实际的手写数字，右边是对应标签 RandomSample[trainingData, 10] 在未对模型进行训练前，使用随机的权重来判断图片，我们可以确定错误率接近100% 对模型进行训练 trained = NetTrain[net, trainingData, ValidationSet -> testData, MaxTrainingRounds -> 50 ] 从以上图表中我们大致可以看出正确率已经接近97% 再次预测上述图片，模型已经可以正确预测给出的图片数字为6 measurements = ClassifierMeasurements[trained, testData] 运行 measurements[“Accuracy”] 我们可以得到模型的正确率为98.02% ...
For a short video please click here About distributed computing projects I first encountered distributed computing projects during my high school graduation, and ran Boinc distributed computing platform on my laptop, the most famous of which is [seti@home](https://setiathome.berkeley .edu), the Boinc platform was developed for this project. The idea of distributed computing is that the master server splits a task into several small tasks, assigns these small tasks to the clients for computing, and sends the results of the small tasks to the master server after the clients finish computing, and the master server aggregates the results of these computations to get the execution results of the task. ...