OpenChem快速开始：5分钟搭建你的第一个分子属性预测模型 [特殊字符]

OpenChem快速开始：5分钟搭建你的第一个分子属性预测模型 🚀

【免费下载链接】OpenChemOpenChem: Deep Learning toolkit for Computational Chemistry and Drug Design Research项目地址: https://gitcode.com/gh_mirrors/op/OpenChem

OpenChem是一个基于PyTorch的深度学习工具包，专为计算化学和药物设计研究而设计。这个强大的工具让研究人员能够轻松构建和训练分子属性预测模型，无需编写大量代码。今天，我将带你快速上手OpenChem，在短短5分钟内搭建你的第一个分子属性预测模型！

为什么选择OpenChem？ ✨

OpenChem的设计理念是让深度学习模型成为计算化学和药物设计研究的易用工具。它具有以下核心优势：

• 模块化设计：统一的API让不同模块可以轻松组合
• 零代码建模：仅需配置文件即可构建新模型
• 多GPU支持：实现快速训练
• 数据预处理工具：内置实用工具简化数据准备
• TensorBoard支持：可视化训练过程

准备工作 📋

环境要求

在开始之前，确保你的系统满足以下要求：

• 现代NVIDIA GPU（计算能力3.5或更高）
• Python 3.5+（推荐使用Anaconda）
• CUDA 9.0+

快速安装指南

使用Anaconda环境可以快速安装OpenChem：

git clone https://gitcode.com/gh_mirrors/op/OpenChem cd OpenChem conda create --name OpenChem python=3.7 conda activate OpenChem conda install --yes --file requirements.txt conda install -c rdkit rdkit nox cairo conda install pytorch torchvision -c pytorch pip install -e .

如果你的CUDA版本较旧，请参考PyTorch官网的安装说明。

快速开始：构建你的第一个模型 🏗️

步骤1：理解配置文件结构

OpenChem的核心是配置文件系统。让我们从一个简单的示例开始，构建一个预测分子logP值（疏水性）的多层感知机模型。

配置文件位于example_configs/getting_started.py，它展示了如何：

1. 加载和处理分子数据
2. 定义模型架构
3. 配置训练参数

步骤2：数据准备

OpenChem内置了数据预处理工具。以下是如何加载和准备分子数据：

from openchem.data.utils import read_smiles_property_file from sklearn.model_selection import train_test_split # 读取分子数据 data = read_smiles_property_file('./benchmark_datasets/logp_dataset/logP_labels.csv', cols_to_read=[1, 2], keep_header=False) smiles = data[0] labels = np.array(data[1:]) labels = labels.T # 分割训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(smiles, labels, test_size=0.2, random_state=42)

步骤3：创建数据集

OpenChem提供了多种数据集类型。对于分子指纹特征，我们使用FeatureDataset：

from openchem.data.feature_data_layer import FeatureDataset from openchem.data.utils import get_fp train_dataset = FeatureDataset(filename='./benchmark_datasets/logp_dataset/train.smi', delimiter=',', cols_to_read=[0, 1], get_features=get_fp, get_features_args={"n_bits": 2048})

步骤4：配置模型参数

这是OpenChem最强大的部分——无需编写代码即可定义完整模型：

model = MLP2Label model_params = { 'task': 'regression', 'random_seed': 42, 'batch_size': 256, 'num_epochs': 101, 'logdir': 'logs/logp_mlp_logs', 'print_every': 20, 'save_every': 5, 'train_data_layer': train_dataset, 'val_data_layer': test_dataset, 'predict_data_layer': predict_dataset, 'eval_metrics': r2_score, 'criterion': nn.MSELoss(), 'optimizer': Adam, 'optimizer_params': {'lr': 0.001}, 'lr_scheduler': StepLR, 'lr_scheduler_params': {'step_size': 15, 'gamma': 0.9}, 'mlp': OpenChemMLP, 'mlp_params': { 'input_size': 2048, 'n_layers': 4, 'hidden_size': [1024, 512, 128, 1], 'dropout': 0.5, 'activation': [F.relu, F.relu, F.relu, identity] } }

一键启动训练 🚀

配置完成后，只需一行命令即可启动训练：

CUDA_VISIBLE_DEVICES=0 python launch.py --nproc_per_node=1 run.py --config_file=example_configs/getting_started.py --mode="train_eval"

训练输出解析

训练开始后，你会看到类似这样的输出：

2020-11-04 12:03:29,915 openchem INFO: Running on 2 GPUs 2020-11-04 12:03:29,915 openchem INFO: Logging directory is set to logs/logp_mlp_logs 2020-11-04 12:03:29,915 openchem INFO: Running with config: batch_size: 256 logdir: logs/logp_mlp_logs ... 2020-11-04 12:03:30,889 openchem.fit INFO: TRAINING: [Time: 0m 0s, Epoch: 0, Progress: 0%, Loss: 4.1647] 2020-11-04 12:03:31,057 openchem.evaluate INFO: EVALUATION: [Time: 0m 0s, Loss: 3.8076, Metrics: -0.1291]

模型评估与预测 📊

评估训练好的模型

训练完成后，你可以使用以下命令评估模型性能：

CUDA_VISIBLE_DEVICES=0 python launch.py --nproc_per_node=1 run.py --config_file=example_configs/getting_started.py --mode="eval"

进行预测

对新分子进行预测同样简单：

CUDA_VISIBLE_DEVICES=0 python launch.py --nproc_per_node=1 run.py --config_file=example_configs/getting_started.py --mode="predict"

预测结果将保存在logs/logp_mlp_logs/predictions.txt文件中。

高级功能探索 🔍

支持的任务类型

OpenChem支持多种计算化学任务：

• 分类任务：二元或多类分类
• 回归任务：连续值预测
• 多任务学习：同时解决多个任务
• 生成模型：生成新分子结构

支持的数据类型

• 序列数据：如SMILES字符串或氨基酸序列
• 分子图：OpenChem自动将SMILES转换为分子图

内置模块

• 词嵌入模块：处理序列数据
• 循环神经网络编码器：处理序列信息
• 图卷积神经网络编码器：处理分子图
• 多层感知机：通用神经网络模块

实用技巧与最佳实践 💡

1. 多GPU训练加速

如果你有多个GPU，可以利用分布式训练：

CUDA_VISIBLE_DEVICES=0,1 python launch.py --nproc_per_node=2 run.py --config_file="./my_config.py" --mode="train"

2. 继续训练

如果训练中断，可以从最新检查点继续：

CUDA_VISIBLE_DEVICES=0 python launch.py --nproc_per_node=1 run.py --config_file="./my_config.py" --mode="train" --continue_learning

3. 监控训练过程

使用TensorBoard实时监控训练进度：

tensorboard --logdir=logs/logp_mlp_logs

然后在浏览器中访问http://localhost:6006查看训练曲线。

常见问题解答 ❓

Q: 如何修改模型架构？

A: 只需编辑配置文件中的mlp_params部分，调整层数、隐藏层大小等参数。

Q: 如何处理自己的数据？

A: 将数据格式化为CSV文件，第一列为SMILES字符串，后续列为标签。使用read_smiles_property_file函数加载。

Q: 如何添加自定义评估指标？

A: 在配置文件的eval_metrics参数中指定任何符合scikit-learn签名的函数。

Q: 支持哪些优化器？

A: OpenChem支持所有PyTorch优化器，包括Adam、SGD、RMSprop等。

下一步学习路径 📚

掌握了基础用法后，你可以进一步探索：

1. 图卷积网络模型：查看example_configs/logp_gcnn_config.py
2. 循环神经网络模型：查看example_configs/tox21_rnn_config.py
3. 生成模型：查看example_configs/molecular_rnn_rl_config.py
4. 多任务学习：查看官方文档中的高级示例

总结 🎯

OpenChem为计算化学研究提供了一个强大而灵活的平台。通过本文的快速入门指南，你已经学会了：

✅ 安装和配置OpenChem环境
✅ 准备分子数据集
✅ 通过配置文件定义模型
✅ 启动训练和评估
✅ 进行分子属性预测

现在，你已经具备了使用OpenChem进行分子属性预测的基本技能。接下来，尝试修改配置文件，探索不同的模型架构，或者应用OpenChem解决你自己的研究问题！

记住，OpenChem的强大之处在于它的灵活性——通过简单的配置文件修改，你就可以构建各种复杂的深度学习模型，而无需编写繁琐的代码。祝你在计算化学的研究道路上取得成功！ 🧪🔬

OpenChem由卡耐基梅隆大学、北卡罗来纳大学教堂山分校和NVIDIA公司支持开发。

【免费下载链接】OpenChemOpenChem: Deep Learning toolkit for Computational Chemistry and Drug Design Research项目地址: https://gitcode.com/gh_mirrors/op/OpenChem