cli-anything-unimol-tools

Uni-Mol Tools - 分子特性予測 CLI

パッケージ: cli-anything-unimol-tools コマンド: python3 -m cli_anything.unimol_tools

説明

Uni-Mol Tools を使用した分子特性予測モデルのトレーニングと推論のための対話型 CLI です。二値分類、回帰、マルチクラス、マルチラベル分類、マルチラベル回帰の 5 つのタスクタイプをサポートします。

主な機能

• プロジェクト管理: 名前付きプロジェクトで実験を整理
• 5 つのタスクタイプ: 分類、回帰、マルチクラス、マルチラベルの各バリアント
• モデル追跡: パフォーマンス履歴とランキングの自動記録
• スマートストレージ: 使用状況の分析と低パフォーマンスモデルのクリーンアップ
• JSON API: --json フラグによる完全な自動化サポート

一般的なコマンド

プロジェクト管理

# Create a new project
project create --name drug_discovery

# List all projects
project list

# Switch to a project
project switch --name drug_discovery

トレーニング

# Train a classification model
train --data-path train.csv --target-col active --task-type classification --epochs 10

# Train a regression model
train --data-path train.csv --target-col affinity --task-type regression --epochs 10

モデル管理

# List all trained models
models list

# Show model details and performance
models show --model-id <id>

# Rank models by performance
models rank

ストレージとクリーンアップ

# Analyze storage usage
storage analyze

# Automatic cleanup of poor performers
cleanup auto

# Manual cleanup with criteria
cleanup manual --max-models 10 --min-score 0.7

予測

# Make predictions with a trained model
predict --model-id <id> --data-path test.csv

データ形式

CSV ファイルには以下が含まれている必要があります:

• SMILES 列: SMILES 形式の分子構造
• ターゲット列: 予測する値 (--target-col で名前を指定)

例:

SMILES,target
CCO,1
CCCO,0
CC(C)O,1

タスクタイプ

1. classification: 二値分類 (0/1)
2. regression: 連続値の予測
3. multiclass: 複数クラスの分類
4. multilabel_classification: 複数の二値ラベル
5. multilabel_regression: 複数の連続値

JSON モード

任意のコマンドに --json フラグを追加すると、機械可読な出力が得られます:

python3 -m cli_anything.unimol_tools --json models list

出力形式:

{
  "status": "success",
  "data": [...],
  "message": "..."
}

対話モード

コマンドなしで起動すると、対話型 REPL が開始されます:

python3 -m cli_anything.unimol_tools

機能:

• タブ補完
• コマンド履歴
• コンテキストに応じたヘルプ
• プロジェクト状態の永続化

テストデータ

サンプルデータセットは以下で利用できます: https://github.com/545487677/CLI-Anything-unimol-tools/tree/main/unimol_tools/examples

5 つのタスクタイプすべてのデータが含まれています。

要件

• Python 3.8+
• PyTorch 1.12+
• Uni-Mol Tools バックエンド
• 4GB 以上の RAM (トレーニングには 8GB 以上を推奨)

インストール

cd unimol_tools/agent-harness
pip install -e .

ドキュメント

• SOP: UNIMOL_TOOLS.md
• クイックスタート: docs/guides/02-QUICK-START.md
• 完全なドキュメント: docs/README.md

テスト

cd docs/test
bash run_tests.sh --unit -v    # Unit tests (67 tests)
bash run_tests.sh --full -v    # Full test suite

パフォーマンスのヒント

• 最初の実験では 10 エポックから始める
• メモリが限られている場合はより小さいバッチサイズを使用する
• storage analyze でストレージを監視する
• models rank で最良のパフォーマンスのモデルを特定する
• cleanup auto で定期的にクリーンアップする

トラブルシューティング

• CUDA エラー: バッチサイズを減らすか、CPU モードを使用してください
• CSV が認識されない: SMILES 列が存在することを確認してください
• 精度が低い: エポック数を増やすか、学習率を調整してみてください
• ストレージが満杯: cleanup auto を実行して空き容量を確保してください

関連

• Uni-Mol Tools: https://github.com/dptech-corp/Uni-Mol/tree/main/unimol_tools
• Uni-Mol 論文: https://arxiv.org/abs/2209.11126
• CLI-Anything: https://github.com/HKUDS/CLI-Anything