Img2Mol 开源项目使用教程
2024-09-17 21:35:03作者:戚魁泉Nursing
1. 项目目录结构及介绍
Img2Mol 项目的目录结构如下:
Img2Mol/
├── benchmark_data/
├── examples/
├── img2mol/
├── model/
├── .gitignore
├── Img2Mol.png
├── LICENSE
├── README.md
├── download_model.sh
├── environment_local-cddd.yml
├── environment.yml
├── example_inference.ipynb
├── example_inference_local_cddd.ipynb
└── setup.py
目录介绍
- benchmark_data/: 包含用于基准测试的数据。
- examples/: 包含示例图像,用于应用 Img2Mol 模型。
- img2mol/: 包含 Img2Mol 模型的 Python 模块。
- model/: 存储训练好的模型权重文件。
- .gitignore: Git 忽略文件配置。
- Img2Mol.png: 项目图标或示意图。
- LICENSE: 项目许可证文件。
- README.md: 项目说明文件。
- download_model.sh: 下载模型权重的脚本。
- environment_local-cddd.yml: 本地 CDDD 模型的环境配置文件。
- environment.yml: 项目环境配置文件。
- example_inference.ipynb: 示例推理 Jupyter Notebook。
- example_inference_local_cddd.ipynb: 使用本地 CDDD 模型的示例推理 Jupyter Notebook。
- setup.py: 项目安装脚本。
2. 项目启动文件介绍
Img2Mol 项目的主要启动文件是 example_inference.ipynb 和 example_inference_local_cddd.ipynb。这两个 Jupyter Notebook 文件展示了如何使用 Img2Mol 模型进行推理。
example_inference.ipynb
该文件展示了如何使用 Img2Mol 模型进行推理,模型权重通过网络请求加载。
example_inference_local_cddd.ipynb
该文件展示了如何使用本地 CDDD 模型进行推理,适用于无法访问网络或希望使用本地模型的场景。
3. 项目的配置文件介绍
environment.yml
该文件定义了 Img2Mol 项目所需的环境依赖。通过以下命令可以创建并激活环境:
conda env create -f environment.yml
conda activate img2mol
environment_local-cddd.yml
该文件定义了使用本地 CDDD 模型时的环境依赖。通过以下命令可以创建并激活环境:
conda env create -f environment_local-cddd.yml
conda activate img2mol
download_model.sh
该脚本用于下载 Img2Mol 模型的权重文件,并将其移动到 model/ 目录下。可以通过以下命令运行脚本:
bash download_model.sh
.gitignore
该文件定义了 Git 忽略的文件和目录,避免将不必要的文件提交到版本控制系统中。
setup.py
该文件是项目的安装脚本,可以通过以下命令安装项目:
pip install -e .
通过以上步骤,您可以顺利地配置和启动 Img2Mol 项目,并开始使用其强大的分子图像识别功能。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
395
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
989