AI創薬 2時限目
2019.07.15
有名な溶解度のデータセット(1,000件程度)を使った回帰分析のサンプルを動かしてみる。
溶解度(ようかいど、solubility)は「S」という記号で表される。
これはただの回帰分析なのでdeepchemを使う必要もないのであるが、GraphConvModelを使って試している。
予測値と実測値をプロットする。
■100エポックで学習(50秒程度)
■1,000エポックで学習(7分程度)
いずれも正の相関になっているので、良い予測モデルにはなっていると思う。
ーーーー
作成したモデルは保存しておく。
■モデル保存
model = GraphConvModel(n_tasks=1, batch_size=64, uncertainty=False, mode=’regression’, model_dir=”./model”)
model.fit(train_dataset, nb_epoch=epoch_num)
→ modelディレクトリにチェックポイントファイルが生成される。fitの途中で自動保存される。
■モデルの読み込み
model = GraphConvModel(n_tasks=1, batch_size=64, uncertainty=False, mode=’regression’, model_dir=”./model”)
model.restore()
→ modelディレクトリから最新のチェックポイントファイルを読み込む。
※deepchemはtensorflowベースなので、中身は普通にsaverでのsaveとrestore。
最新記事
- 脆弱性チェックツール
- Flutterでデスクトップアプリ
- MMPoseを使って姿勢推定(骨格検知)
- Laravel Livewire3を使ってみる
- Lineミニアプリ
- RustとPHPのパフォーマンス比較
- ボクシングをモーションキャプチャー
- Virtualbox上のUbuntuにDocker環境を作れ・・・
- AWSでのIPv6対応
- AWSのRDSでブルー/グリーンデプロイ
- 20年ぶりにCOBOL
- フィッシングメールのソースを見る
- GCPのVertex AIの注意点
- Azure AZ-900 に合格
- 数年ぶりにRubyを触る
- Godotはunityの代わりになるのか?
- YOLOv8でファインチューニング
- RFIDを使った業務改善
- Flutterデモ作成
- 畳み込みオートエンコーダ(CAE)のデモ