معرفی شرکت ها
chytorch-1.7
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
-
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | chytorch-1.7 |
| نام | chytorch |
| نسخه کتابخانه | 1.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Dr. Ramil Nugmanov |
| ایمیل نویسنده | nougmanoff@protonmail.com |
| آدرس صفحه اصلی | https://github.com/chython/chytorch |
| آدرس اینترنتی | https://pypi.org/project/chytorch/ |
| مجوز | LGPLv3 |
Chytorch [kʌɪtɔːrtʃ]
====================
Library for modeling molecules and reactions in torch way.
Installation
------------
Use `pip install chytorch` to install release version.
Or `pip install .` in source code directory to install DEV version.
Pretrained models
-----------------
Chytorch main package doesn't include models zoo.
Each model has its own named package and can be installed separately.
Installed models can be imported as `from chytorch.zoo.<model_name> import Model`.
Usage
-----
`chytorch.nn.MoleculeEncoder` and `chytorch.nn.ReactionEncoder` - core graphormer layers for molecules and reactions.
API is combination of `torch.nn.TransformerEncoderLayer` with `torch.nn.TransformerEncoder`.
**Batch preparation:**
`chytorch.utils.data.MoleculeDataset` and `chytorch.utils.data.ReactionDataset` - Map-like on-the-fly dataset generators for molecules and reactions.
Supported `chython.MoleculeContainer` and `chython.ReactionContainer` objects, and bytes-packed structures.
`chytorch.utils.data.collate_molecules` and `chytorch.utils.data.collate_reactions` - collate functions for `torch.utils.data.DataLoader`.
Note: torch DataLoader automatically do proper collation.
Example:
from chython import SMILESRead
from chytorch.utils.data import MoleculeDataset
from torch.utils.data import DataLoader
data = []
for r in SMILESRead('data.smi'):
r.canonicalize() # fix aromaticity and functional groups
data.append(r)
ds = MoleculeDataset(data)
dl = DataLoader(ds, batch_size=10)
**Forward call:**
Molecules coded as tensors of:
* atoms numbers shifted by 2 (e.g. hydrogen = 3).
0 - reserved for padding, 1 - reserved for CLS token, 2 - extra reservation.
* neighbors count, including implicit hydrogens shifted by 2 (e.g. CO = CH3OH = [6, 4]).
0 - reserved for padding, 1 - extra reservation, 2 - no-neighbors, 3 - one neighbor.
* topological distances' matrix shifted by 2 with upper limit.
0 - reserved for padding, 1 - reserved for not-connected graph components coding, 2 - self-loop, 3 - connected atoms.
Reactions coded in similar way. Molecules atoms and neighbors matrices just stacked. Distance matrices stacked on diagonal.
Reactions include additional tensor with reaction role codes for each token.
0 - padding, 1 - reaction CLS, 2 - reactants, 3 - products.
from chytorch.nn import MoleculeEncoder
encoder = MoleculeEncoder()
for b in dl:
encoder(b)
**Combine molecules and labels:**
`chytorch.utils.data.chained_collate` - helper for combining different data parts.
from torch import stack
from torch.utils.data import DataLoader, TensorDataset
from chytorch.utils.data import chained_collate, collate_molecules, MoleculeDataset
dl = DataLoader(TensorDataset(MoleculeDataset(molecules_list), properties_tensor),
collate_fn=chained_collate(collate_molecules, torch.stack))
**Scheduler:**
`chytorch.optim.lr_scheduler.WarmUpCosine` - Linear warmup followed with cosine-function for 0-pi range rescaled to lr_rate - decrease_coef * lr_rate interval.
**Voting NN with single hidden layer:**
`chytorch.nn.VotingClassifier` and `chytorch.nn.VotingRegressor` - speed optimized multiple heads for ensemble predictions.
**Caching:**
`chytorch.utils.cache.SequencedFileCache`, `chytorch.utils.cache.SequencedDBCache`, `chytorch.utils.cache.SequencedDtypeCompressedCache`, `chytorch.utils.cache.CycleDataLoader` - helpers for caching slow dataset generators output.
**Data Wrappers:**
`chytorch.utils.data.LMDBProperties`, `chytorch.utils.data.LMDBStructure`,
`chytorch.utils.data.PandasStructureDataset`, `chytorch.utils.data.PandasPropertiesDataset` - DataSet like helpers for LMDB and Pandas.DataFrame stored data processing.
نیازمندی
| مقدار | نام |
|---|---|
| >=0.1.4 | torchtyping |
| >=1.38 | chython |
| >=1.8 | torch |
| >=1.7 | scipy |
| >=1.20 | numpy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.8 | Python |
نحوه نصب
نصب پکیج whl chytorch-1.7:
pip install chytorch-1.7.whl
نصب پکیج tar.gz chytorch-1.7:
pip install chytorch-1.7.tar.gz