معرفی شرکت ها

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 بیشتر

توضیحات

ویژگی	مقدار
سیستم عامل	-
نام فایل	chytorch-rxnmap-1.3
نام	chytorch-rxnmap
نسخه کتابخانه	1.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Dr. Ramil Nugmanov
ایمیل نویسنده	nougmanoff@protonmail.com
آدرس صفحه اصلی	https://github.com/chython/chytorch-rxnmap
آدرس اینترنتی	https://pypi.org/project/chytorch-rxnmap/
مجوز	LGPLv3

Chytorch RxnMap --------------- Semisupervised Model trained on USPTO and Pistachio datasets. Installation ------------ Use `pip install chytorch-rxnmap` to install release version. Or `pip install .` in source code directory to install DEV version. Perform Atom-to-atom mapping ---------------------------- AAM integrated into `chython` package and available as reaction object method. See `chython` documentation [here](https://chython.readthedocs.io). from chython import smiles r = smiles('OC(=O)C(=C)C=C.C=CC#N>>OC(=O)C1=CCCC(C1)C#N') r.reset_mapping() print(format(r, 'm')) >> [C:2]([C:4](=[CH2:5])[CH:6]=[CH2:7])(=[O:3])[OH:1].[CH2:8]=[CH:9][C:10]#[N:11]>>[O:3]=[C:2]([OH:1])[C:4]=1[CH2:5][CH:9]([C:10]#[N:11])[CH2:8][CH2:7][CH:6]=1 Pretrained model ---------------- **To load pretrained model use:** from chytorch.zoo.rxnmap import Model model = Model.pretrained() **To prepare data-loader use:** from chython import SMILESRead data = [] for r in SMILESRead('data.smi'): r.canonicalize() # fix aromaticity and functional groups data.append(r.pack()) # store in compressed format dl = model.prepare_dataloader(data, batch_size=20) **To get embeddings use:** for b in dl: e = model(b) Note: embeddings contain: `cls embedding, [unusable molecular embedding, list of atoms embeddings] * n`. Where n is the number of molecules in reaction equation. To extract aggregated embedding, use cls embedding `x = e[:, 0]`. To extract atoms-only embeddings, use masking: * `x = e[b[3] > 1]` - for all atoms * `x = e[b[3] == 2]` - for reactants only * `x = e[b[3] == 3]` - for products only **To get all-to-all tokens attention matrix:** for b in dl: a = model(b, mapping_task=True) Training new model ------------------ from pytorch_lightning import Trainer from pytorch_lightning.callbacks import ModelCheckpoint from pytorch_lightning.plugins import DDPPlugin callback = ModelCheckpoint(monitor='trn_loss_tot', save_weights_only=True, save_top_k=3, save_last=True, every_n_train_steps=10000) trainer = Trainer(gpus=-1, precision=16, max_steps=1000000, callbacks=[callback], strategy=DDPPlugin(find_unused_parameters=False)) model = Model(lr_warmup=1e4, lr_period=5e5, lr_max=1e-4, lr_decrease_coef=.01, masking_rate=.15, **kwargs) # lr_warmup=1e4, lr_period=5e5, lr_max=1e-4, lr_decrease_coef=.01 - see chytorch.optim.lr_scheduler.WarmUpCosine. # kwargs - see chytorch.nn.ReactionEncoder. # masking_rate - probability of token masking. trainer.fit(model, dl)

نیازمندی

مقدار	نام
>=1.5.6	pytorch-lightning
<2.0,>=1.13	chytorch

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl chytorch-rxnmap-1.3:

pip install chytorch-rxnmap-1.3.whl

نصب پکیج tar.gz chytorch-rxnmap-1.3:

pip install chytorch-rxnmap-1.3.tar.gz