VIP20
本课程属于：020-SMILES分子生成建模 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

GPU分布式分子生成模型训练与调优

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程介绍
GPU加速分子生成训练调优概述
课程介绍GPU
02
分子生成基础
分子表示与生成任务
分子生成基础分子表示
03
GPU计算基础
CUDA编程与GPU架构
GPU计算基础
04
深度学习框架选型
PyTorch vs TensorF…
深度学习框架选型PyTorch
05
分子图神经网络（GNN）基础
分子图神经网络（GNN）基础 · 核心概念 · 实践要点
GNN分子图神经网络
06
自编码器（VAE）用于分子生成
自编码器（VAE）用于分子生成 · 核心概念 · 实践要点
VAE自编码器
07
生成对抗网络（GAN）在分子生成中的应用
生成对抗网络（GAN）在分子生成中的应用 · 核心概念 · 实践要点
GAN生成对抗网络
08
扩散模型（Diffusion Models）用于分子生成
扩散模型（Diffusion Model… · 核心概念 · 实践要点
DiffusionModels
09
基于流的生成模型（Flow-based）
基于流的生成模型（Flow-based） · 核心概念 · 实践要点
Flow-based基于流的生成模型
10
自回归模型（如SMILES-based RNN）
自回归模型（如SMILES-based… · 核心概念 · 实践要点
SMILES-basedRNN
11
强化学习在分子生成中的策略
强化学习在分子生成中的策略 · 核心概念 · 实践要点
强化学习分子生成
12
分子性质预测与多任务学习
分子性质预测与多任务学习 · 核心概念 · 实践要点
分子性质预测多任务学习
13
数据预处理
分子数据集与清洗（ChEMBL · ZINC等）
数据预处理ChEMBL
14
数据增强与分子修改
数据增强与分子修改 · 核心概念 · 实践要点
数据增强分子修改
15
GPU加速数据加载与预处理
GPU加速数据加载与预处理 · 核心概念 · 实践要点
GPU加速数据加载
16
混合精度训练（AMP）实践
混合精度训练（AMP）实践 · 核心概念 · 实践要点
AMP混合精度训练
17
分布式训练（Data Parallelism, Model Parallelis
分布式训练（Data Paralleli… · 核心概念 · 实践要点
DataParallelism
18
梯度累积与优化器选择
梯度累积与优化器选择 · 核心概念 · 实践要点
梯度累积优化器选择
19
学习率调度与超参数搜索（Grid, Bayesian）
学习率调度与超参数搜索（Grid · 核心概念 · 实践要点
GridBayesian
20
正则化技术
Dropout · Weight Decay · Batch Normalizatio…
正则化技术Dropout
21
模型评估指标
有效性 · 新颖性 · 多样性
模型评估指标有效性
22
分子生成中的约束生成与多目标优化
分子生成中的约束生成与多目标优化 · 核心概念 · 实践要点
分子生成约束生成
23
使用RDKit进行分子操作与验证
使用RDKit进行分子操作与验证 · 核心概念 · 实践要点
RDKit使用
24
模型部署与推理优化（TensorRT, ONNX）
模型部署与推理优化（TensorRT · 核心概念 · 实践要点
TensorRTONNX
25
常见问题与调试
梯度消失 · 过拟合 · 模式崩溃
常见问题调试
26
案例
从头药物设计（de novo dru…
案例de
27
案例
基于靶点的分子生成
案例基于靶点的分子生…
28
案例
分子优化（Lead Optimiza…
案例Lead
29
前沿进展
几何深度学习与等变网络
前沿进展几何深度学习
30
课程总结与未来方向
课程总结与未来方向 · 核心概念 · 实践要点
课程总结未来方向