Ubuntu 下安装 NPVAE | 我心永恒的小站

type

status

date

slug

summary

1. conda 环境的安装

1.1 访问Anaconda官方下载页面：

https://www.anaconda.com/download/success

针对 Linux x86_64 系统，使用以下链接下载安装脚本： https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh

使用 wget 命令获取 sh 文件

1.2 安装过程

自动安装

如果想快一些可以这样

u 表示更新现有的安装。

b 表示自动接受安装协议，不需要手动确认。

p 用于指定安装路径。

运行以下命令以开始安装：

按照屏幕提示完成安装过程。

回车即可

用户协议

下方方向键，一直下滑

最后出现让你同意的文字，

输入 yes 然后回车

直接回车即可

输入 yes 即可，会自动配置好 conda 的环境变量

1.3 重新加载环境变量

安装完成后，可以选择关闭当前终端并重新打开一个新的终端窗口

或者根据你使用的 shell，执行以下相应命令使环境变量生效：

命令

对于 Bash 用户（大多数 Linux 系统默认）：

对于 Zsh 用户（某些用户自定义的的）：

2. NPVAE的安装

2.1 拉取项目

安装好 conda 环境后，我们拉取远程项目到本地

2.1 创建 conda 环境

然后进入 env 文件夹

接着在 env 文件夹中，使用预定义的环境配置文件来创建一个新的 conda 环境，此过程时间较长，主要取决于网速，会下载相应的 Python 包

然后激活环境

注意：每次重新打开终端，这个环境都会消失，所以每次需要用的时候需要使用上面的代码进行激活

3. NPVAE 项目的运行测试

3.1 准备

根据 GitHub 项目我们需要在 NPVAE 根目录下面创建下面的文件夹

在 NPVAE 根目录下使用以下命令可以一次性创建预处理和训练阶段需要的所有文件夹：

目前的运行进度：

首先,确保您已经下载了预训练参数并放入 pre-trained 文件夹。

预处理步骤:

先在 ./save_data 路径下创建了一个名为 input_data 的文件夹,并在 input_data 下创建一个 weights 文件夹，然后运行下面的命令

计算潜在变量:

可视化潜在变量:

这将生成一个基于功能信息值的颜色编码可视化。

生成新的化合物结构:

这里使用了苯环 ("c1ccccc1") 作为目标SMILES。您可以从 drugbank_smiles.txt 文件中选择其他SMILES来替换。

注意事项:

确保您的Python环境满足README中列出的所有依赖项。

如果遇到路径问题,请根据您的实际文件结构调整命令中的路径。

对于生成步骤,确保目标SMILES存在于您使用的数据集中。

这些命令应该能让您测试模型的主要功能。如果在运行过程中遇到任何错误或需要进一步的解释,请随时告诉我。

3.2 运行

数据预处理 (preprocessing)

模型训练 (training)

使用命令

可以看到目前显卡的情况

显卡工作状态：

风扇速度：34%（显卡风扇目前以34%的功率在运行）
温度：65°C，显卡的温度略高，但还在正常范围内。
性能等级 (Perf)：P0，代表最高性能状态，说明显卡正在工作或准备处理负载。
功耗：显卡目前消耗的功率是38W，而它的最大功率上限是125W，所以它并没有满负荷工作。
显存使用情况：显卡的总显存为8192MiB（约8GB），目前使用了2171MiB，约占26.5%，显存并没有被完全占用。

GPU利用率：

GPU利用率：25%，表示你的GPU正在处理一定量的任务，但负载并不算太高。