最近看了一篇论文,尝试下载论文给的源码并运行。之前一直不会看论文的源码,一直运行不成功,直到今天遇见了这篇论文的源码,终于让我体会到了运行文件的快乐。(虽然是很没有含金量的复制粘贴,但是我也很开心哈哈哈哈)
标题:Double‑head transformer neural network for molecular property prediction
双头Transformer 神经网络在分子性质预测中的应用
doi:10.1186/s13321-023-00700-4
类型:分子性质预测
下面开始记录我的运行过程。
系统设备:Macbook Air 2020 ,M1
框架:pytorch
首先打开论文给的[源码地址]:https://github.com/songyuanbing6/dhtnn,并下载代码。
阅读 README.md 文件,根据文件下载所需配置。
如,安装rdkit包:pip install rdkit
使用 pip list
查看已安装的python包
全部安装完成后,开始执行命令。
根据提示,path
替换为数据集的路径,type
替换为任务类型:classification 或者 regression, dir
替换为训练好的模型存放路径。
在终端进入源码包的目录,确认当前操作在源码包中进行。
确认我现在要用data
文件夹里的 bace.py
文件来训练模型,type为classification,模型保存到桌面的bace
文件夹中,路径为:/Users/aminoacid/Desktop/bace
在终端中输入指令:
chemprop_train --data_path /Users/aminoacid/Desktop/dhtnn-master/data/bace.csv --dataset_type classification --save_dir /Users/aminoacid/Desktop/bace
回车运行。
或者输入指令:
python3 train.py --data_path /Users/aminoacid/Desktop/dhtnn-master/data/bace.csv --dataset_type classification --save_dir /Users/aminoacid/Desktop/bace
等待一段时间后即可运行完成,查看运行结果。
如果要使用其他数据集训练,替换相应的参数就行。
训练出来的结果我还不会看,争取早日会看哈哈哈哈哈哈!