MoFlow 项目教程

MoFlow 项目教程

moflow 项目地址: https://gitcode.com/gh_mirrors/mof/moflow

1. 项目目录结构及介绍

MoFlow 项目的目录结构如下：

moflow/
├── data/
│   ├── data_preprocess.py
│   └── ...
├── mflow/
│   ├── train_model.py
│   ├── generate.py
│   └── ...
├── LICENSE
├── README.md
└── ...

目录结构介绍

• data/: 该目录包含数据预处理相关的脚本，例如 data_preprocess.py，用于从 SMILES 字符串生成分子图。
• mflow/: 该目录包含模型训练和生成的核心脚本，例如 train_model.py 和 generate.py。
• LICENSE: 项目的许可证文件，采用 MIT 许可证。
• README.md: 项目的说明文档，包含项目的简介、安装步骤和使用说明。

2. 项目的启动文件介绍

train_model.py

train_model.py 是 MoFlow 项目的主要启动文件之一，用于训练分子图生成模型。以下是该文件的主要功能：

• 数据加载: 从指定数据集（如 QM9 或 zinc250k）加载数据。
• 模型训练: 使用加载的数据训练 MoFlow 模型。
• 参数配置: 支持通过命令行参数配置训练过程中的各种超参数，如批量大小、最大训练轮数、GPU 使用等。

generate.py

generate.py 是另一个主要的启动文件，用于生成分子图。以下是该文件的主要功能：

• 模型加载: 从训练好的模型中加载权重。
• 分子图生成: 支持从潜在空间采样生成新的分子图，或对现有分子图进行重建。
• 实验模式: 支持多种实验模式，如随机生成、插值生成等。

3. 项目的配置文件介绍

MoFlow 项目没有显式的配置文件，但可以通过命令行参数在启动文件中进行配置。以下是一些常用的配置参数：

train_model.py 配置参数

• --data_name: 指定训练数据集的名称，如 qm9 或 zinc250k。
• --batch_size: 设置训练时的批量大小。
• --max_epochs: 设置最大训练轮数。
• --gpu: 指定使用的 GPU 设备编号。
• --save_dir: 指定模型保存的目录。

generate.py 配置参数

• --model_dir: 指定加载模型的目录。
• --snapshot: 指定加载的模型快照文件。
• --data_name: 指定生成分子图时使用的数据集名称。
• --batch-size: 设置生成时的批量大小。
• --reconstruct: 是否进行分子图重建。
• --temperature: 设置生成时的温度参数。
• --n_experiments: 设置实验次数。

通过这些配置参数，用户可以根据自己的需求灵活地调整模型的训练和生成过程。

moflow 项目地址: https://gitcode.com/gh_mirrors/mof/moflow