文件名称：随从
文件大小：125KB
文件格式：ZIP
更新时间：2024-03-04 06:46:32
Python
ElFragmentador ElFragmentador 该存储库尝试实现一种神经网络，该网络利用转换器的结构来预测肽的性质（保留时间和片段化）。 为什么是变压器？ 因为我们可以...只是在开玩笑 与标准的片段预测方法（LSTM / RNN）相比，该转换器体系结构具有许多优点。 在训练方面，它允许并行计算整个序列，而在LSTM中，一次必须传递一个元素。 此外，它为模型本身提供了更好的机会来研究正在传递的元素之间的直接交互。 另一方面，它可以更好地解释模型，因为可以在输入上可视化“自我注意”，从而在生成预测时查看模型关注的重点。 这个项目的启示 该项目中的许多元素实际上是和显示的原理的结合，其中一些元素用于编码肽和输出碎片离子。 在变压器方面，我必须承认该项目的许多要素都来自，尤其是将可训练的嵌入作为解码器的输入，以及在上讨论的一些概念。 （我强烈推荐）。 为什么叫名字？ 主要原
【文件预览】：
elfragmentador-main
----data_setup()
--------get_data.py(86KB)
--------encode_spectra.py(569B)
--------comb_tables.R(6KB)
--------combine_tables.R(5KB)
----train.py(77B)
----elfragmentador()
--------rt.py(1KB)
--------train.py(4KB)
--------annotate.py(10KB)
--------scoring.py(5KB)
--------model.py(24KB)
--------isoforms.py(1KB)
--------experiment.py(220B)
--------__init__.py(199B)
--------datamodules.py(9KB)
--------spectra.py(22KB)
--------cli.py(4KB)
--------evaluate.py(5KB)
--------encoding_decoding.py(4KB)
--------constants.py(9KB)
----README.md(4KB)
----tests()
--------test_cli.py(717B)
--------test_dataloaders.py(2KB)
--------test_evaluate.py(519B)
--------test_isoforms.py(1KB)
--------test_encoding_decoding.py(1KB)
--------test_model.py(4KB)
--------test_annotate.py(933B)
--------test_constants.py(208B)
--------test_spectra.py(6KB)
--------test_dataloader_model_integration.py(717B)
--------test_scoring.py(5KB)
--------data()
--------test_rt.py(238B)
--------test_training.py(2KB)
----evaluate.py(902B)
----templates()
--------template_evaluation.ipynb(23KB)
----.gitignore(117B)
----pyproject.toml(2KB)