Image2Smiles
为了挖掘大量的化学文献,我们需要创建一个处理器,给定的分子会生成SMILES字符串。 我们将此问题视为图像字幕问题。 给定一个Image产生相关的标题。
高水平
注意分词器需要区分大小写。
细节
设置
通过运行以下命令来创建环境
conda env create -f environment.yaml
数据
数据是一堆不同的SMILES分子的集合。 将这些微笑的字符串连接在一起,随机排列,然后从每个字符串中创建图像。 验证和评估集包含100,000个图像和微笑标题。 在进行模型调整试验时,我们建议使用10,000张图像的子样本进行验证,以便更快地进行评估。 训练语料库包含约20m个微笑图像。 为了便于实验,我们生成了已处理的文件并将其存储在Azure上。
分词器
python src/train_tokenizer.py --training_files da
2021-11-22 09:57:55
684KB
Python
1