runing: python scripts/sample_diffusion.py , got an error

[FeilongWuHaa]

您好，非常感谢您的KGDiff模型。KGDiff模型将利用梯度引导分子的生成过程，非常有趣，而且作用非常明显。

当我在尝试复现分子过程，在运行github中
“python scripts/sample_diffusion.py --config ./configs/sampling.yml -i 0 --guide_mode joint --type_grad_weight 100 --pos_grad_weight 25 --result_path ./cd2020_pro_0_res”时，
出现如下报错：
File "/home/KGDiff-main/scripts/sample_diffusion.py", line 134, in sample_diffusion_ligand
all_pred_exp_traj = torch.stack(all_pred_exp_traj,dim=0).numpy()
RuntimeError: stack expects each tensor to be equal size, but got [4] at entry 0 and [2] at entry 2000

可以请教一下这是哪里的问题吗？该如何修正？

[BL-Lac149597870]

hi @FeilongWuHaa ，看上去是all_pred_exp_traj里面tensor shape不一样，请提供一下sampling.yml文件参数，我这边查看一下具体原因。

[FeilongWuHaa]

Hi, @BL-Lac149597870 感谢你的回复。

我的sampling.yml文件参数如下，和你提供的源码中一致：
model:
policy_ckpt: ./logs_diffusion/training_2023_06_06__19_20_16/checkpoints/671000.pt # retrained targetdiff
value_ckpt: './logs_diffusion/training_2023_06_06__16_05_56/checkpoints/1292000.pt'
joint_ckpt: './logs_diffusion/training_2023_06_06__20_16_16/checkpoints/642000.pt' # KGDiff(ˆh0)

joint_ckpt: './logs_diffusion/training_2023_07_05__12_15_55/checkpoints/1076000.pt' # KGDiff(h_0, P)

pdbbind_random: './logs_diffusion/training_2023_09_29__14_08_47/checkpoints/1415000.pt'

sample:
seed: 2021
num_samples: 10
num_steps: 1000
pos_only: False
center_pos_mode: protein
sample_num_atoms: prior

这个问题，我后面解决了，发现是因为num_samples的原因，如果num_samples=10，而 scripts/sample_diffusion.py 默认的batch_size为4，就会报如上错误。更具体的说，是因为num_samples%batch_size !=0 导致的，在最后一个批次时，分子数量为batch_size，那么在all_pred_exp_traj中，最后一行数的shape为2，而之前行的shape为4，因此会发生堆叠失败，即报
“ot [4] at entry 0 and [2] at entry 2000”错误。

要避免这问题，进需要将num_samples设置为batch_size的整数倍即可，例如：16或者100。

-----------分割线 ------------------------------------------------

我觉得你的工作非常有意思，我尝试了一下，也复现了文章中的结果。
但是，发现生成分子的有效率很低，有的体系仅有30%，
想问一下，这个现象是正常的吗？

非常感谢！

[AmingWu]

@FeilongWuHaa ，请问您训练这个代码需要多久呢

[BL-Lac149597870]

Hi, @BL-Lac149597870 感谢你的回复。

我的sampling.yml文件参数如下，和你提供的源码中一致： model: policy_ckpt: ./logs_diffusion/training_2023_06_06__19_20_16/checkpoints/671000.pt # retrained targetdiff value_ckpt: './logs_diffusion/training_2023_06_06__16_05_56/checkpoints/1292000.pt' joint_ckpt: './logs_diffusion/training_2023_06_06__20_16_16/checkpoints/642000.pt' # KGDiff(ˆh0)

joint_ckpt: './logs_diffusion/training_2023_07_05__12_15_55/checkpoints/1076000.pt' # KGDiff(h_0, P)

pdbbind_random: './logs_diffusion/training_2023_09_29__14_08_47/checkpoints/1415000.pt'

sample: seed: 2021 num_samples: 10 num_steps: 1000 pos_only: False center_pos_mode: protein sample_num_atoms: prior

这个问题，我后面解决了，发现是因为num_samples的原因，如果num_samples=10，而 scripts/sample_diffusion.py 默认的batch_size为4，就会报如上错误。更具体的说，是因为num_samples%batch_size !=0 导致的，在最后一个批次时，分子数量为batch_size，那么在all_pred_exp_traj中，最后一行数的shape为2，而之前行的shape为4，因此会发生堆叠失败，即报 “ot [4] at entry 0 and [2] at entry 2000”错误。

要避免这问题，进需要将num_samples设置为batch_size的整数倍即可，例如：16或者100。

-----------分割线 ------------------------------------------------

我觉得你的工作非常有意思，我尝试了一下，也复现了文章中的结果。 但是，发现生成分子的有效率很低，有的体系仅有30%， 想问一下，这个现象是正常的吗？

非常感谢！

非常感谢你发现的这个代码问题！另外关于某些口袋中分子难以生成，我们也发现了这个问题，这里我推测是某些口袋空间不规则，对分子形状要求较高造成的，只是推测哈，仅供参考。