AI4S/DiffSBDD
模型介绍
文件和版本
Pull Requests
讨论
分析

组件版本

hdk：25.0.RC1
cann：8.3.RC1
python：3.10
torch：2.5.1
torch-npu：2.5.1

拉取模型代码

git clone https://atomgit.com/AI4Science/DiffSBDD.git
cd DiffSBDD

环境准备

  1. 新建conda环境
conda create -n DiffSBDD python=3.10 -y
conda activate DiffSBDD
  1. 安装依赖
export PIP_INDEX_URL=https://repo.huaweicloud.com/repository/pypi/simple/

pip install torch==2.5.1 torch_npu==2.5.1 
pip install -r requirements.txt
pip install torch_scatter==2.0.5 --no-build-isolation
  1. 验证 PyTorch 与 torch_npu 安装 执行以下命令检查安装是否成功：
python3 -c "import torch;import torch_npu; a = torch.randn(3, 4).npu(); print(a + a);"

若输出类似以下信息，说明安装成功：

tensor([[-0.6066,  6.3385,  0.0379,  3.3356],
        [ 2.9243,  3.3134, -1.5465,  0.1916],
        [-2.1807,  0.2008, -1.1431,  2.1523]], device='npu:0')

若报错，排查顺序：

  • set_env.sh 是否已 source
  • decorator 等运行时依赖是否安装
  • CANN 与 torch_npu 版本是否匹配

推理

下载权重

wget -P checkpoints/ https://zenodo.org/record/8183747/files/crossdocked_fullatom_cond.ckpt

推理

python generate_ligands.py checkpoints/crossdocked_fullatom_cond.ckpt --pdbfile example/3rfm.pdb --outfile example/3rfm_mol.sdf --ref_ligand A:330 --n_samples 20

Docker镜像

已预置 Conda 运行环境、模型权重、DiffSBDD 源码，开箱即用，可快速部署运行。

# 拉取镜像
sudo docker pull swr.cn-north-4.myhuaweicloud.com/ascend_ai4s/diffsbdd:a2
  • 项目源码路径：/root/DiffSBDD/
  • 已配置好 Conda 虚拟环境：DiffSBDD
  • 已内置模型权重文件，无需额外下载