逆合成项目训练及部署需要的环境

训练

创建环境：

conda create -n trans python=3.6
conda install rdkit -c rdkit
conda install future six tqdm pandas

pip torch torchvision torchaudio (cuda 11.1等)
pip install torchtext==0.3.1

租用服务器使用及环境安装，可以将其看成远程服务器Linux系统。
1、将代码传到work的同目录，数据只能是data目录。

可以 ls 查看当前目录

2、环境中是有anaconda的，直接根据自己所需创建一个环境。

• 自己的项目为例 (建议使用pip单个安装，不然会报错)

conda create -n trans python=3.6
conda install rdkit -c rdkit
conda install future six tqdm pandas

• torch的安装 pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116，这里的cu116，就可以根据自己的环境换成cu11x等，x就是相应的cuda版本。
• pip install torchtext==0.3.1

3、开始训练——逆合成

• 处理数据

dataset=STEREO_separated_augm
python preprocess.py -train_src data/${dataset}/tgt-train.txt \
                    -train_tgt data/${dataset}/src-train.txt \
                    -valid_src data/${dataset}/tgt-val.txt \
                    -valid_tgt data/${dataset}/src-val.txt \
                    -save_data data/${dataset}/${dataset} \
                    -src_seq_length 1000 -tgt_seq_length 1000 \
                    -src_vocab_size 1000 -tgt_vocab_size 1000 -share_vocab

注意，这里保持原代码不变， 即model_builder.py里面的261行处：

后续在没有gpu的环境运行保存的模型会在这里改动。

• 开始训练

dataset=STEREO_separated_augm

python  train.py -data data/${dataset}/${dataset} \
                  -save_model experiments/checkpoints/${dataset}_model \
                  -seed 42 -gpu_ranks 0 -save_checkpoint_steps 10000 -keep_checkpoint 20 \
                  -train_steps 500000 -param_init 0  -param_init_glorot -max_generator_batches 32 \
                  -batch_size 4096 -batch_type tokens -normalization tokens -max_grad_norm 0  -accum_count 4 \
                  -optim adam -adam_beta1 0.9 -adam_beta2 0.998 -decay_method noam -warmup_steps 8000  \
                  -learning_rate 2 -label_smoothing 0.0 -report_every 1000 \
                  -layers 4 -rnn_size 256 -word_vec_size 256 -encoder_type transformer -decoder_type transformer \
                  -dropout 0.1 -position_encoding -share_embeddings \
                  -global_attention general -global_attention_function softmax -self_attn_type scaled-dot \
                  -heads 8 -transformer_ff 2048
                               

3、开始训练——正向预测

• 处理数据

dataset=STEREO_separated_augm
python preprocess.py -train_src data/${dataset}/src-train.txt \
                    -train_tgt data/${dataset}/tgt-train.txt \
                    -valid_src data/${dataset}/src-val.txt \
                    -valid_tgt data/${dataset}/tgt-val.txt \
                    -save_data data/${dataset}/${dataset} \
                    -src_seq_length 1000 -tgt_seq_length 1000 \
                    -src_vocab_size 1000 -tgt_vocab_size 1000 -share_vocab

• 开始训练

dataset=STEREO_separated_augm

python  train.py -data data/${dataset}/${dataset} \
                  -save_model experiments/checkpoints/${dataset}_model \
                  -seed 42 -gpu_ranks 0 -save_checkpoint_steps 10000 -keep_checkpoint 20 \
                  -train_steps 500000 -param_init 0  -param_init_glorot -max_generator_batches 32 \
                  -batch_size 4096 -batch_type tokens -normalization tokens -max_grad_norm 0  -accum_count 4 \
                  -optim adam -adam_beta1 0.9 -adam_beta2 0.998 -decay_method noam -warmup_steps 8000  \
                  -learning_rate 2 -label_smoothing 0.0 -report_every 1000 \
                  -layers 4 -rnn_size 256 -word_vec_size 256 -encoder_type transformer -decoder_type transformer \
                  -dropout 0.1 -position_encoding -share_embeddings \
                  -global_attention general -global_attention_function softmax -self_attn_type scaled-dot \
                  -heads 8 -transformer_ff 2048
                               

部署

创建环境：

conda create -n trans python=3.7
conda activate trans
conda install rdkit -c rdkit
conda install future six tqdm pandas

安装相关的库：
(没有GPU的机器上部署)

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu

pip install torchtext==0.3.1

pip install flask