chy931088287的博客

本周工作：前端：1，优化了前端界面，去除了冗余代码2，修复了部分界面中，“刷新”按钮不能回显的问题3，完成说明界面4，完成隐私政策界面后端：1，修复了文件上传大小受限制的问题2，实现通过网页的文件上传和文件下载3，协助聚合端测试，设计测试用例4，协助前端测试文件上传下载，任务发布功能聚合端：1，通过查资料与测试发现，使用个人热点就可以利用socket传输数据，而不必再依赖网线(校园网的处理地址处理方式肯定理解有误）2，学习了pycharm中gitee的数据上传与下载3，设计并测试

2021SC@SDUSC 在此前的文章已经对此部分的流程进行了解读，本文将基于目前已经获取到分子图与蛋白质图，从代码的层面分析DGraphDTA任务中神经网络的结构以及运作流程。DGraphDTA结构图：网络结构完整代码：# GCN based modelclass GNNNet(torch.nn.Module):#初始化网络结构 def __init__(self, n_output=1, num_features_pro=54, num_features_mol=78, outpu

2021SC@SDUSC 接续上文，现在来处理我们DTA任务的数据集（图中数据集来自davis数据集的SMILES部分），可以看到我们的数据集只有一行，并且已经形成一个字典形式，所以要处理我们的数据集，仅仅用到刚刚学习到实例中的方法是不够的，现在解决的关键点在于如何将txt文件中的字典转换到python中的字典DeepDTA中的加载方式如下：可见其使用了json对txt文件进行了加载，加载后具体形式目前还不清楚，接下来我们进行实验操作我们参照上述方式加载SMILES文件，打印发现其类型为Order

本文基于davis数据集进行操作2021SC@SDUSC首先最直接的方式是学习一下别人的项目中是如何处理数据的在项目代码中，指定了一个ParamList的字典用键值对的方式存储配置信息下图为所选的数据集ESOL_SMILESValue.txt的结构，每一行数据逗号左侧为分子SMILES序列，右侧为该分子对应的label下一步就是把刚刚的ParamList（此次已封装到opt里），将opt作为参数送入MolDatasetCreator构造方法中创建一个对应的对象，后续会使用此对象进行进一步处理，接下