Skip to content

Latest commit

 

History

History
54 lines (50 loc) · 2.81 KB

DESIGN.md

File metadata and controls

54 lines (50 loc) · 2.81 KB
Raw

DGLT 设计文档

目录结构

dglt
└───model
│   │   layers.py
│   │   modules.py
│   └───zoo
│       │   model1.py
│       │   model2.py
│       │   ...
│   
└───data
│   └───transformer
│   └───featurization
|   └───dataset
│    
└───train
│   └───prediction
│   └───generation
│   │   ...
│
└───contrib
└───scrpits
└───docs

其中：

  • model: 基础模型目录。所有模型相关代码放在这个文件夹。
    • layers.py: 基础模型，例如Dense, GCN等。forward函数输入为基本数据类型。需要对公共模块做出比较好的抽象。
    • modules.py: 基于基础模型构造的中间件模型，例如MPNN encoder。forward函数为复杂数据类型。任何一个module都可以同 、Dataloader的输入配合得到forward输出。不允许在modules添加任何loss function以及其他非标准公开函数，可以添加私有函数。 此外，modules.py的forward输入必须要明确，并且forward函数内根据不同的输入对应不同的分支，这种情况应该写成两个中间件。
    • zoo: 具体模型，按照每个模型一个py文件组织。通过组合layers和modules组合成模型，其包含loss函数。可以通过实现 get_loss_func回调函数来实现获取模型loss的功能，在这个文件夹的模型可以添加任意自定义函数，比如上例举例的get_loss_func。
  • data: 数据模块
    • dataset：数据集模块。（继承pytorch Dataset）
      • MolecularDataset.py:属性预测的小分子小分子数据集
      • LigandProteinDataset.py:虚拟筛选用的配体·蛋白质数据集
      • SmilesSequence.py:分子生成的数据集
    • transformer: 数据变换模块，提供数据变换、分割、batch相关功能。
      • MolCollator.py：提供batch功能(作为pytorch Dataloader的collate_fn的参数，将pytorch Dataset getitem()的返回值组成Batch)
    • featurization: 对于不能直接用于模型的数据，提供特征提取功能。 例如，SMILES。（待定）
      • mol2graph.py: 将smiles转成图
      • mol2RdkitFeature.py: 将smiles转成Rdkit feature
      • mol2PadelFeature.py:将smiles转成Padel feature
      • seqEmebeding.py:Embedding蛋白质序列
  • train: 模型训练（以及可能的测试）相关代码。其主要是用于满足不同任务的训练测试需求，可以有比较大的自由度。例如AMDET的预测为一个Task，风格迁移为另外一个Task。
  • contrib: 测试模块，未完成单元测试的模块。文件夹组织结构同dglt
  • scripts: 一些脚本，例如automl脚本，seven运行脚本，机智脚本等。
  • docs: API文档