DeepChem手册3.14 Model类_deepchem dmpnnmodel-程序员宅基地

技术标签: tensorflow  深度学习  pytorch  神经网络  

3.14 Model类

DeepChem 维护大量的科学计算模型。 DeepChem’s注重于便于科学应用,所以我们支持不同的机器学习框架 (目前有scikit-learn,xgboost, TensorFlow以及PyTorch) 因为不同的框架或多或少的适合于不同的应用。

3.14.1 Model菜单

如果你刚开始DeepChem,你可能对该基础感兴趣。模型菜单列出了多种定制的DeepChem模型。注意有些打包如SklearnModel 和 GBDTModel打包了外部的机器学习库不包括在内,但本表是完整的。

注意,如何阅读本表。每一行描述模型的需求。有些模型也有定制的方法。你可以从下表看出训练模型需要什么。

 

3.14.2 Model

class Model(model=None, model_dir: Optional[str] = None, **kwargs)

DeepChem模型的抽像基类。

__init__(model=None, model_dir: Optional[str] = None, **kwargs) →None

所有模型的抽像类。

这仅是为了方便子类的实施,不可以直接调用。

参数

 model (object) – 打包ScikitLearn/Keras/Tensorflow 模型对像。

 model_dir (str, optional (default None)) – 存贮模型的目录路径。如果不指明,模型将保存在临时目录。

fit_on_batch(X: Sequence, y: Sequence, w: Sequence)执行一步进行训练。

参数

 X (np.ndarray) – 批的输入

 y (np.ndarray) – 批的标签

 w (np.ndarray) – 批的权重

predict_on_batch(X: Sequence)对于指定的批用新数据进行预测。

参数 X (np.ndarray) – 特征

reload() →None

从磁盘重载训练的模型。

static get_model_filename(model_dir: str)→ str

给出模型目录,从模型本身获得文件名。

static get_params_filename(model_dir: str)→str

给出模型目录,从模型本身获得文件名。

save() →None

用于保存的派遣函数。

每一个子类对于重写这个方法负责。

fit(dataset: deepchem.data.datasets.Dataset)

Fits a model on data in a Dataset object.

Parameters dataset (Dataset) – the Dataset to train on

predict(dataset: deepchem.data.datasets.Dataset, transformers: List[transformers.Transformer] =

[])→ numpy.ndarray

用self对给定的数据集对象进行预测。

参数

 dataset (Dataset) – 待预测的数据集对象

 transformers (List[Transformer]) – 输入对象被转换所用的转换器。输出传递到这个转换器进行反转换。

返回类型np.ndarray

evaluate(dataset: deepchem.data.datasets.Dataset, metrics: List[deepchem.metrics.metric.Metric],

transformers: List[transformers.Transformer] = [], per_task_metrics: bool = False,

use_sample_weights: bool = False, n_classes: int = 2)

评估模型对指定数据集的性能。

这个函数用评估器评估模型。结果,它继承评估器的相同限制。即,只有回归和分类模型可以用这种方式进行评估。

对于生成器模型,你要重写方法来进行定制的评估。

提定的关键参数将被传递到Evaluator.compute_model_performance。

参数

 dataset (Dataset) – 数据集对像

 metrics (Metric / List[Metric] / function) – 提供的量度。

该类试图对输入进行智能的处理。如果提供一个dc.metrics.Metric对象或列表,它会评估self.model的这些量度。如果是一个函数,它被认为是一个量度函数,这个方法会试图打包到dc.metrics.Metric对象。一个量度函数必须接受两个参数,y_true, y_pred ,它们是 np.ndarray对象并返回浮点分值。这个量度函数也接受关键字参数sample_weight来计算每个样本的权重。

 transformers (List[Transformer]) –  dc.trans.Transformer对象列表。

这个转换必须是以前应用到数据集。这个数据集会反转换以评估量度。

 per_task_metrics (bool, optional (default False)) – 如真, 返回多任务数据集的每个任力的计算的量度。

 use_sample_weights (bool, optional (default False)) – 如设置, 使用每个样本权重w。

 n_classes (int, optional (default None)) – 如指明, 将使用n_classes 作为self.dataset 中唯一类的数目。对于回归量度这个参数将忽略。

返回

 multitask_scores (dict) – 映射量度名称到量度分的字典。

 all_task_scores (dict, optional) – 如果per_task_metrics == True被作为关键字参数传递,为不同的任务返回分值的第二个字典。

get_task_type()→ str

当前模型只能是分类器或回归器。

get_num_tasks()→ int

获得任务名。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/lishaoan77/article/details/114681164

智能推荐

艾美捷Epigentek DNA样品的超声能量处理方案-程序员宅基地

文章浏览阅读15次。空化气泡的大小和相应的空化能量可以通过调整完全标度的振幅水平来操纵和数字控制。通过强调超声技术中的更高通量处理和防止样品污染,Epigentek EpiSonic超声仪可以轻松集成到现有的实验室工作流程中,并且特别适合与表观遗传学和下一代应用的兼容性。Epigentek的EpiSonic已成为一种有效的剪切设备,用于在染色质免疫沉淀技术中制备染色质样品,以及用于下一代测序平台的DNA文库制备。该装置的经济性及其多重样品的能力使其成为每个实验室拥有的经济高效的工具,而不仅仅是核心设施。

11、合宙Air模块Luat开发:通过http协议获取天气信息_合宙获取天气-程序员宅基地

文章浏览阅读4.2k次,点赞3次,收藏14次。目录点击这里查看所有博文  本系列博客,理论上适用于合宙的Air202、Air268、Air720x、Air720S以及最近发布的Air720U(我还没拿到样机,应该也能支持)。  先不管支不支持,如果你用的是合宙的模块,那都不妨一试,也许会有意外收获。  我使用的是Air720SL模块,如果在其他模块上不能用,那就是底层core固件暂时还没有支持,这里的代码是没有问题的。例程仅供参考!..._合宙获取天气

EasyMesh和802.11s对比-程序员宅基地

文章浏览阅读7.7k次,点赞2次,收藏41次。1 关于meshMesh的意思是网状物,以前读书的时候,在自动化领域有传感器自组网,zigbee、蓝牙等无线方式实现各个网络节点消息通信,通过各种算法,保证整个网络中所有节点信息能经过多跳最终传递到目的地,用于数据采集。十多年过去了,在无线路由器领域又把这个mesh概念翻炒了一下,各大品牌都推出了mesh路由器,大多数是3个为一组,实现在面积较大的住宅里,增强wifi覆盖范围,智能在多热点之间切换,提升上网体验。因为节点基本上在3个以内,所以mesh的算法不必太复杂,组网形式比较简单。各厂家都自定义了组_802.11s

线程的几种状态_线程状态-程序员宅基地

文章浏览阅读5.2k次,点赞8次,收藏21次。线程的几种状态_线程状态

stack的常见用法详解_stack函数用法-程序员宅基地

文章浏览阅读4.2w次,点赞124次,收藏688次。stack翻译为栈,是STL中实现的一个后进先出的容器。要使用 stack,应先添加头文件include<stack>,并在头文件下面加上“ using namespacestd;"1. stack的定义其定义的写法和其他STL容器相同, typename可以任意基本数据类型或容器:stack<typename> name;2. stack容器内元素的访问..._stack函数用法

2018.11.16javascript课上随笔(DOM)-程序员宅基地

文章浏览阅读71次。<li> <a href = "“#”>-</a></li><li>子节点:文本节点(回车),元素节点,文本节点。不同节点树:  节点(各种类型节点)childNodes:返回子节点的所有子节点的集合,包含任何类型、元素节点(元素类型节点):child。node.getAttribute(at...

随便推点

layui.extend的一点知识 第三方模块base 路径_layui extend-程序员宅基地

文章浏览阅读3.4k次。//config的设置是全局的layui.config({ base: '/res/js/' //假设这是你存放拓展模块的根目录}).extend({ //设定模块别名 mymod: 'mymod' //如果 mymod.js 是在根目录,也可以不用设定别名 ,mod1: 'admin/mod1' //相对于上述 base 目录的子目录}); //你也可以忽略 base 设定的根目录,直接在 extend 指定路径(主要:该功能为 layui 2.2.0 新增)layui.exten_layui extend

5G云计算:5G网络的分层思想_5g分层结构-程序员宅基地

文章浏览阅读3.2k次,点赞6次,收藏13次。分层思想分层思想分层思想-1分层思想-2分层思想-2OSI七层参考模型物理层和数据链路层物理层数据链路层网络层传输层会话层表示层应用层OSI七层模型的分层结构TCP/IP协议族的组成数据封装过程数据解封装过程PDU设备与层的对应关系各层通信分层思想分层思想-1在现实生活种,我们在喝牛奶时,未必了解他的生产过程,我们所接触的或许只是从超时购买牛奶。分层思想-2平时我们在网络时也未必知道数据的传输过程我们的所考虑的就是可以传就可以,不用管他时怎么传输的分层思想-2将复杂的流程分解为几个功能_5g分层结构

基于二值化图像转GCode的单向扫描实现-程序员宅基地

文章浏览阅读191次。在激光雕刻中,单向扫描(Unidirectional Scanning)是一种雕刻技术,其中激光头只在一个方向上移动,而不是来回移动。这种移动方式主要应用于通过激光逐行扫描图像表面的过程。具体而言,单向扫描的过程通常包括以下步骤:横向移动(X轴): 激光头沿X轴方向移动到图像的一侧。纵向移动(Y轴): 激光头沿Y轴方向开始逐行移动,刻蚀图像表面。这一过程是单向的,即在每一行上激光头只在一个方向上移动。返回横向移动: 一旦一行完成,激光头返回到图像的一侧,准备进行下一行的刻蚀。

算法随笔:强连通分量-程序员宅基地

文章浏览阅读577次。强连通:在有向图G中,如果两个点u和v是互相可达的,即从u出发可以到达v,从v出发也可以到达u,则成u和v是强连通的。强连通分量:如果一个有向图G不是强连通图,那么可以把它分成躲个子图,其中每个子图的内部是强连通的,而且这些子图已经扩展到最大,不能与子图外的任一点强连通,成这样的一个“极大连通”子图是G的一个强连通分量(SCC)。强连通分量的一些性质:(1)一个点必须有出度和入度,才会与其他点强连通。(2)把一个SCC从图中挖掉,不影响其他点的强连通性。_强连通分量

Django(2)|templates模板+静态资源目录static_django templates-程序员宅基地

文章浏览阅读3.9k次,点赞5次,收藏18次。在做web开发,要给用户提供一个页面,页面包括静态页面+数据,两者结合起来就是完整的可视化的页面,django的模板系统支持这种功能,首先需要写一个静态页面,然后通过python的模板语法将数据渲染上去。1.创建一个templates目录2.配置。_django templates

linux下的GPU测试软件,Ubuntu等Linux系统显卡性能测试软件 Unigine 3D-程序员宅基地

文章浏览阅读1.7k次。Ubuntu等Linux系统显卡性能测试软件 Unigine 3DUbuntu Intel显卡驱动安装,请参考:ATI和NVIDIA显卡请在软件和更新中的附加驱动中安装。 这里推荐: 运行后,F9就可评分,已测试显卡有K2000 2GB 900+分,GT330m 1GB 340+ 分,GT620 1GB 340+ 分,四代i5核显340+ 分,还有写博客的小盒子100+ 分。relaybot@re...

推荐文章

热门文章

相关标签