[人工智能]【模型复现】逆合成预测/文本分类模型——MeGAN 快速复现

MeGAN

快速复现教程

01 镜像详情

镜像简介：

模型论文2021年5月发表在JCIM上的关于逆合成路线规划一篇文章,标题为《Molecule Edit Graph Attention Network:Modeling Chemical Reactions as Sequences of Graph Edits》，本文提出了分子编辑图注意网络(MEGAN)，是一个端到端编码器-解码器神经模型。由于大部分的逆合成实验都是基于数据集USPTO50k以及USPTO-full进行的实验。为了使MEGAN能够有效地探索合理的化学反应的空间，本文使用的模型在逆合成预测（预测给定化学反应产物的底物）中扩展到大型数据集（USPTO-mit），可以保持以端到端方式建模的灵活性，并在标准基准中实现较高的准确性。

应用场景：文本分类、文本匹配、文本生成

论文地址：

https://arxiv.org/pdf/2006.15426v2.pdf

02 平台环境准备

?1. 打开极链AI云平台

? ? ? ? ?https://cloud.videojj.com/?channel=cs9http://?https://cloud.videojj.com/?channel=cs9

2. 点击模型

?3. 选择 MeGAN 模型并创建实例

4. 选择对应镜像

5. 连接实例

创建完成后，点击jupyterlab连接

03 模型配置

1.进入终端

2.准备数据集

进入终端，在根目录路下，运行以下命令

cp -r datasets/uspto_50k ../../root/megan/data
# 将公开数据集复制到指定文件夹下
source env.sh
source activate
# 编辑env.sh文件使其适合配置环境
python bin/acquire.py uspto_50k 
python bin/featurize.py uspto_50k megan_16_bfs_randat
# 将数据集分割成train/val/test 并整理成复现所需的数据格式

3.模型训练

进入终端，在root/megan路径下，输入以下命令：

python bin/featurize.py uspto_50k megan_16_bfs_randat

4.模型评估

进入终端，在root/megan路径下，输入以下命令：

python bin/eval.py models/uspto_50k --beam-size 50 --show-every 100

以上就是 megan 复现的全部内容了

感兴趣的话可以进入极链AI云官网，一键体验哦～

同时平台还拥有例如yolo系列等一众经典模型等你来

简单操作即可完成复现

新用户注册并完成认证还可领取海量云币券哦～

创作打卡挑战赛

赢取流量/现金/CSDN周边激励大奖