weixin_49509366的博客

原创 计算机辅助药物设计（CADD）

计算机辅助药物设计简要介绍

原创 批量检查pdb数据库某些蛋白质的pdb文件是否存在

import pandas as pdimport numpy as npfrom Bio import SeqIOfrom Bio import PDBimport requests# 但是可能会出现 InsecureRequestWarning 警告，# 虽然不影响代码采集但是看着不舒服，可以加上下面两行：import urllib3urllib3.disable_warnings()names=pd.read_csv('C:/Users/A/Desktop/data_plant_h

原创 记录批量将smiles转化为mol，并将分子图保存为png代码

这个代码可以用于自动把所有分子的分子图保存为png格式。import syssys.path.append('/home/li/.conda/envs/li/lib/python3.7/site-packages')from rdkit import Chemfrom rdkit.Chem import Drawsmis=[]for i in open ("/home/li/draw_molecule_picture/moses2_smiles.txt"): smis.append(

原创 解决在使用wandb时出现SSLError的思路

记录一下自己遇到的错误，之前遇到这个错误看到了这个帖子（帖子链接）里的方法，发现自己出现这个的原因是因为我使用的服务器在训练时无法联网。因此，我觉得解决这个问题的方法有以下两种方案：1、找一个可以在训练时联网的服务器使用wanda。2、把使用到wandb的地方去掉。...

原创 记录用过的RDKit对化学分子不同表示方式的批量转化

1、将化学分子的inchi表示批量转化为分子图表示。可以使用rdkit.Chem.inchi module的rdkit.Chem.inchi.MolFromInchi函数。常见的关于inchi表示的一些操作函数都可以在rdkit.Chem.inchi module里，但没有从Inchi直接转化为smile的函数。#从inchi转为分子图from rdkit import Chemwith open('inchi数据.txt') as f: inchis = f.readlines()

原创 AttributeError: module ‘torchtext.data‘ has no attribute ‘Field‘

伴随着 3月5日TorchText 0.9.0更新，一些API调用也发生变化将from torchtext.data import Field改为from torchtext.legacy.data import Field同理，对于from torchtext.data import *的其它AttributeError问题，也可以改为from torchtext.legacy.data import *参考：https://stackoverflow.com/questions/6.

原创 变分自编码《Auto-Encoding Variational Bayes》中的一些理解

原创 xshell中使用matplotlib出现TclError: couldn‘t connect to display “localhost:13.0“

解决方法：import matplotlib matplotlib.use('AGG')#或者PDF, SVG或PS import matplotlib.pyplot as plt详细可见：https://blog.csdn.net/C_chuxin/article/details/85339740

原创 K近邻法学习笔记

1、K近邻法是一种基本分类与回归方法。2、K近邻法的三个基本要素：K值的选择、距离度量及分类决策规则。3、K近邻法的核心思想是：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最近邻的K个实例，这K个实例的多数属于某个类，就把该输入实例分为这个类。4、距离度量上面两张图来自于李航老师的统计学习方法5、由不同的距离度量所确定的最近邻点是不同的。6、K值得选择会对K近邻法的结果产生重大影响。（1）K值过小，近似误差会减小，但学习的估计误差会增大。K值的减小意味着整体模型变得复杂，

原创 GAN、WGAN、WGAN-GP学习笔记

原创 感知机学习笔记

1、感知机的定义：本图来自李航老师的统计学习方法2、感知机是一个线性分类模型，属于判别模型3、数据集的线性可分性是指存在超平面可将数据点的正负实例点完全正确地划分到超平面两侧。4、感知机的学习目标是找到一个可以将数据点的正负实例点完全正确分离的超平面。5、感知机的损失函数是误分类点到超平面的总距离，不用误分类点总数的原因是因为这样定义的损失函数不是连续可导的。6、感知机学习算法是误分类驱动的。7、感知机学习算法是基于梯度下降法对损失函数的最优化算法。8、当训练数据集线性可分时，感知机学习算