代码拉取完成,页面将自动刷新
在生物计算、药物设计等领域,大多数任务中给训练数据打标签非常昂贵,可用于模型训练的数据集都非常小,该领域的研究者限于数据无法开发更有效的模型,导致模型精度不佳。基于生物化学与迁移学习的相关理论,分子基础模型在相关的有大量数据的任务上做预训练后,仅需使用少量数据微调即可在目标任务上得到更准确的结果。MindSpore SPONGE提供一系列分子基础模型以及这些模型在大规模数据集上训好的checkpoint,用户可以直接在这些模型基础上根据自己的需要做精调,轻松实现高精度的模型开发。
功能 | 模型 | 训练 | 推理 | 后端 |
---|---|---|---|---|
小分子化合物预训练模型 | GROVER | √ | √ | GPU/Ascend |
小分子化合物预训练模型 | MGBERT | √ | √ | GPU/Ascend |
后续将提供蛋白质预训练等基础模型,敬请期待。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。