hippynn Python包 - 一个用于原子机器学习的PyTorch模块化库
项目描述
我们旨在提供一个强大的库，用于原子（或物理点云）机器学习的训练。我们希望初学者能够高效地训练模型到数百万个数据点，并具有模块化结构以进行扩展和贡献。
虽然hippynn的开发至今主要集中在HIP-NN架构上，但如果您正在使用其他模型进行研究，请不要气馁。联系我们，让我们一起努力，为您的工作提供高质量的实现，无论是作为贡献还是作为您自己包的接口扩展。
功能
PyTorch原子操作模块化集合
在原生PyTorch中编写原子操作可能很棘手。此处提供的多数操作支持线性缩放模型。
模型能量、力电荷 & 电荷矩、键级等！
nn.Modules是用尽可能少的库余下部分编写的；如果您想在脚本中使用它们而不使用此处提供的其余功能 - 没问题！
图级别API，用于从PyTorch组件中简单灵活地构建模型。
根据问题的抽象物理/数学原理构建模型，无需考虑实现细节。
图节点支持原生的Python语法，例如可以直接添加不同形式的损失函数。
将模型中的预测值与数据库条目链接，以比较预测值和真实值。
IndexType逻辑记录张量结构的元数据，并在可能的情况下提供自动转换为兼容结构的转换。
图API独立于模块实现。
用于跟踪训练的绘图级别API。
使用图API，用matplotlib定义在训练前、训练中或训练后评估的量度作为图形。
训练 & 实验API
与图级别API集成
美化打印损失指标，定期生成绘图
回调和检查点
用于快速执行的定制内核
某些操作在纯PyTorch中编写效率不高，我们提供使用numba和cupy的替代实现
这些与PyTorch Autograd直接链接 – 使用它们就像使用原生PyTorch函数一样。
这些在内存占用和速度方面提供优势
包括CPU和GPU执行自定义内核
与其他代码的接口
ASE：基于图级别API定义ASE计算器。
PYSEQM：将PYSEQM计算作为图中的节点使用。
LAMMPS：通过MLIAP统一接口在LAMMPS中使用hippynn中的模型。
安装
克隆此存储库并进入它。
使用conda的依赖关系
运行conda install -c pytorch -c conda-forge --file conda_requirements.txt
使用pip的依赖关系
运行pip install .
如果您想进行修改，请执行可编辑安装：pip install -e .
您可以使用pip安装所有可选依赖项，命令为：pip install -e .[full]
说明
使用pip从requirements.txt安装依赖项。
使用conda从conda_requirements.txt安装依赖项。
如果您不想pip安装它们，请在安装hippynn之前从文件中安装conda。您可能希望使用-c pytorch进行pytorch通道。对于ase和cupy，您可能希望使用-c conda-forge。
可选依赖项在optional_dependencies.txt中
文档
有关最新文档，请参阅https://lanl.github.io/hippynn/。您还可以在本地构建文档，请参阅/docs/README.txt
其他事项
我们目前正在开发中。目前，您应该为破坏性更改做好准备 – 如果您需要保持一致性，请跟踪您正在使用的版本。
随着我们清理边缘问题，我们正在准备一份手稿。在此期间，如果您在工作中使用hippynn，请引用此存储库和HIP-NN论文
Lubbers, N.，Smith, J. S.，& Barros, K. (2018)。使用深度神经网络进行分子能量的分层建模。化学物理学杂志，148(24)，241715。
有关作者信息，请参阅AUTHORS.txt。
有关许可信息，请参阅LICENSE.txt。hippynn在BSD-3许可下发布。
Triad National Security, LLC (Triad)拥有hippynn的版权，并将其标识为项目编号LA-CC-19-093。
版权所有2019。Triad National Security, LLC。保留所有权利。本程序在美国政府合同89233218CNA000001下为洛斯阿拉莫斯国家实验室（LANL）生产，该实验室由Triad National Security, LLC运营，代表美国能源部/国家核安全管理局。本程序的所有权利均由Triad National Security, LLC和美国能源部/国家核安全管理局保留。政府授权其自身和代表其行事的人获得在此材料中的非独占、已付费、不可撤销的全球许可，以复制、准备衍生作品、向公众分发副本、公开表演和展示，并允许他人这样做。
下载文件
下载适用于您的平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
源分发
构建分发
hippynn-0.0.3.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 8962c66c89bcabf15bcf8d4640b308cd42f8da47979284f2a4a64a5f8aacff83 |
|
| MD5 | c9f7c0260fb1740057341a8628be4488 |
|
| BLAKE2b-256 | a37a2d88b55cddc13789af206ab4c5b9fa907a52f62d1ab1c71ecdbaca5418c4 |
hippynn-0.0.3-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | cc0444edb8451ffe556b2710c6c62d51d6c55319ba6086f0ed5f402337b698fd |
|
| MD5 | 015ae752bc5a7a478ca0434909fe943d |
|
| BLAKE2b-256 | 6d9ec1be4b3afbf843804c12bd89d5a1c4e62bd47620958bc65fd7e6e6b5f98f |
