dgl.model_zoo
Chemistry
实用工具
chem.load_pretrained (* args,** kwargs) |
性能预测
当前支持的模型架构:
- GCN分类器
- GAT分类器
- 神经网络
- 网络
- MGCN
- AttentiveFP
classdgl.model_zoo.chem.GCNClassifier(** kwargs)
基于GCN的分子图多任务预测的预测器,我们假设每个任务都需要执行二元分类。
参数: |
---|
forward
(g, feats)
一批分子的多任务预测
参数: |
|
---|---|
返回值: | 对这批分子上所有任务的软预测 |
返回类型: | FloatTensor of shape (B, n_tasks) |
classdgl.model_zoo.chem.GATClassifier(** kwargs)
基于GAT的预测器,用于分子图上的多任务预测。我们假设每个任务都需要执行二元分类。
参数: | in_feats(int)–输入原子特征的数量 |
---|
forward
(g, feats)
一批分子的多任务预测
参数: |
|
---|---|
返回值: | 软预测分子批次上的所有任务 |
返回类型: | 形状的FloatTensor(B,n个任务) |
clas sdgl.model_zoo.chem.MPNNModel(** kwargs)
来自神经信息传递的量子化学的 MPNN
参数: |
---|
forward(g,n_feat,e_feat)
预测分子标签
参数: |
|
---|---|
返回值: | res |
返回类型: | 预测标签 |
class dgl.model_zoo.chem.SchNet(** kwargs)
SchNet:用于建模量子相互作用的连续滤波器卷积神经网络。(NIPS'2017)
参数: |
|
---|
forward(g,atom_types,edge_distances)
预测分子标签
参数: |
|
---|---|
返回值: | 预测 –批图的模型预测,图的数量为B,预测大小为output_dim。 |
返回类型: | loat32 tensor of shape (B, output_dim) |
class dgl.model_zoo.chem.MGCNModel(** kwargs)
参数: |
|
---|
forward
(g,atom_types,edge_distances )[源代码]
预测分子标签
参数: |
|
---|---|
返回值: | 预测 –批图的模型预测,图的数量为B,预测大小为output_dim。 |
返回类型: | 形状为(B,output_dim)的float32张量 |
classdgl.model_zoo.chem.
AttentiveFP
(** kwargs )[源代码]
参数: |
---|
forward
(g,node_feats,edge_feats,get_node_weight = False )[源代码]
参数: | |
---|---|
返回值: |
|
生成模型
当前支持的模型架构:
- DGMG
- 神经网络
classdgl.model_zoo.chem.
DGMG
(** kwargs )[源代码]
DGMG模型
用户只需要初始化此类的实例。
参数: |
---|
forward
(actions = None,rdkit_mol = False,compute_log_prob = False,max_num_steps = 400 )[源代码]
参数: | |
---|---|
返回值: |
|
classdgl.model_zoo.chem.
DGLJTNNVAE
(** kwargs )[源代码]
forward
(mol_batch,beta = 0,e1 = None,e2 = None )[源代码]
定义每次调用时执行的计算。
应该被所有子类覆盖。
注意
尽管需要在此函数中定义向前传递的方法,但应在Module
之后调用该实例,而不是调用该实例,因为前者负责运行已注册的钩子,而后者则静默地忽略它们。
蛋白配体结合
当前支持的模型架构:
- 神经网络
classdgl.model_zoo.chem.
ACNN
(** kwargs )[源代码]
原子卷积网络。
该模型是在原子卷积网络中提出的,用于预测蛋白质-配体的结合亲和力。
参数: |
|
---|
forward
(图)[来源]
将模型应用于预测。
参数: | 图(DGLHeteroGraph)– DGLHeteroGraph由配体图,蛋白质图和复杂图以及预处理的特征组成。 |
---|---|
返回值: | 预测的蛋白质-配体结合亲和力。B代表批次中蛋白质-配体对的数量,O代表任务的数量。 |
返回类型: | 形状为(B,O)的Float32张量 |