命令随手记 |持续更新......_torch版本高,降低版本-CSDN博客

本文链接：https://blog.csdn.net/xxxxxxbaby/article/details/122133766

本文介绍了如何在不同环境下安装PyTorch 1.4.0及其相关库，包括torch-geometric、RDKit、TensorboardX等。详细步骤涵盖了CPU和GPU版本的PyTorch安装，并提供了预训练和微调GeoGNN模型的流程，涉及BACE、BBBP和Clintox等化学分子预测任务。

摘要由CSDN通过智能技术生成

1 MGSSL

1.1 torch1.10

在pytorch官网找到对应版本
如果是cpu：

conda install pytorch=1.8.1 torchvision torchaudio cpuonly -c pytorch

在这里插入图片描述
如果是GPU

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

在这里插入图片描述

查看版本：

import torch
print(torch.__version__)

在这里插入图片描述

1.2 torch-geometric

conda install pyg -c pyg -c conda-forge

在这里插入图片描述

1.3 RDKit

详见 https://blog.csdn.net/qq_35337126/article/details/107801288

1.4 tensorboardx 1.6

用pip安装

pip install tensorboardX==1.6

2 Meta-MGNN（2022/3/12）

在这里插入图片描述

conda create -n Mata python=3.6

在这里插入图片描述

2.1 torch = 1.4.0

pip install torch==1.4.0
conda install pytorch=1.4.0

在这里插入图片描述

方法二：下载对应版本的pytorch(装完是torch)

①先查看cuda版本
在这里插入图片描述

②去网站https://download.pytorch.org/whl/torch_stable.html
下载对应版本的pytorch
在这里插入图片描述
使用 pip install 安装

pip install torch-1.4.0-cp36-cp36m-linux_x86_64.whl

在这里插入图片描述
（显示这个是因为已经用第一种方法装了）

2.2 torch-geometric = 1.6.1

pip install torch-geometric==1.6.1

在这里插入图片描述

2.3 torch-scatter = 2.0.4

到官网①下载相应版本，②上传到相应位置，然后③pip进行安装
①网址：https://pytorch-geometric.com/whl/torch-1.4.0.html
在这里插入图片描述

②上传
在这里插入图片描述
③pip安装

pip install torch_scatter-2.0.4+cu101-cp36-cp36m-linux_x86_64.whl

2.4 torch-sparse = 0.6.1

https://pytorch-geometric.com/whl/torch-1.4.0%2Bcu101.html
下载对应版本，torch10.1，python3.6， torch-sparse = 0.6.1
在这里插入图片描述

2.5 scikit-learn = 0.23.2

 pip install scikit-learn

在这里插入图片描述

2.6 tqdm = 4.50.0

pip install tqdm

在这里插入图片描述

2.7 rdkit

conda install rdkit

在这里插入图片描述

3 GeoGNN

3.1 预训练

python pretrain.py --batch_size=256 --num_workers=4 --max_epoch=50 --lr=1e-3 --dropout_rate=0.2 --dataset="zinc" --data_path="./demo_zinc_smiles" --compound_encoder_config="model_configs/geognn_l8.json" --model_config="model_configs/pretrain_gem.json" --model_dir=./pretrain_models/zinc

在这里插入图片描述

之后生成（运行了一个epoch）

在这里插入图片描述

3.2 下游微调

3.2.1

Firstly, download the pretrained model from the previous step:

wget https://baidu-nlp.bj.bcebos.com/PaddleHelix/pretrained_models/compound/pretrain_models-chemrl_gem.tgz
tar xzf pretrain_models-chemrl_gem.tgz

3.2.2

Download the downstream molecular property prediction datasets from MoleculeNet, including classification tasks and regression tasks:

wget https://baidu-nlp.bj.bcebos.com/PaddleHelix/datasets/compound_datasets/chemrl_downstream_datasets.tgz
tar xzf chemrl_downstream_datasets.tgz

删掉pretrain_models-chemrl_gem.tgz 和 chemrl_downstream_datasets.gz

在这里插入图片描述

3.2.3

Run downstream finetuning and the final results will be saved under ./log/pretrain-$dataset/final_result

①分类任务

[1] bace

微调：

python finetune_class.py --task=data --num_workers=10 --dataset_name="bace" --data_path="chemrl_downstream_datasets/bace" --cached_data_path="cached_data/bace" --compound_encoder_config="model_configs/geognn_l8.json" --model_config="model_configs/down_mlp2.json"

在这里插入图片描述

结果：

python finetune_class.py --batch_size=32 --max_epoch=100 --dataset_name="bace" --data_path="chemrl_downstream_datasets/bace" --cached_data_path="cached_data/bace" --split_type=scaffold --compound_encoder_config="model_configs/geognn_l8.json" --model_config="model_configs/down_mlp2.json" --init_model="pretrain_models-chemrl_gem/class.pdparams" --model_dir=./finetune_models/$dataset --encoder_lr="1e-3" --head_lr="1e-3" --dropout_rate=0.2

在这里插入图片描述

[2] bbbp

微调：

python finetune_class.py --task=data --num_workers=10 --dataset_name="bbbp" --data_path="chemrl_downstream_datasets/bbbp" --cached_data_path="cached_data/bbbp" --compound_encoder_config="model_configs/geognn_l8.json" --model_config="model_configs/down_mlp2.json"

在这里插入图片描述

结果：

在这里插入图片描述
[3]clintox

python finetune_class.py --task=data --num_workers=10 --dataset_name="clintox" --data_path="chemrl_downstream_datasets/clintox" --cached_data_path="cached_data/clintox" --compound_encoder_config="model_configs/geognn_l8.json" --model_config="model_configs/down_mlp2.json"

②回归任务