Hugging Face's logo

Diffusers documentation

RFD4ProteinaAutoencoder

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

RFD4ProteinaAutoencoder

O autoencoder de RFD4-Proteína. encode mapeia as coordenadas atom36 para latentes locais por token, e decode converte latentes e posições do backbone de volta para a estrutura atom37 e identidades de resíduos. Ele é registrado no pipeline como vae.

from diffusers import RFD4ProteinaAutoencoder

vae = RFD4ProteinaAutoencoder.from_pretrained("nvidia/RFD4-Proteina-Diffusers", subfolder="vae")

RFD4ProteinaAutoencoder

classe diffusers.RFD4ProteinaAutoencoder

< >

( atom37_mask: Sequenceallowed_residue_types: Sequencelatent_dim: int = 32n_residue_types: int = 147num_token_types: int = 7nlayers: int = 12token_dim: int = 768nheads: int = 12dim_cond: int = 128pair_repr_dim: int = 256token_type_emb_dim: int = 32encoder_feats_seq: tuple = ('token_type', 'x1_a37coors_nm', 'x1_a37coors_nm_rel', 'chain_idx_seq', 'incident_bond_type_counts', 'atom37_element_charge_embedding')decoder_feats_seq: tuple = ('ca_coors_nm', 'z_latent_seq', 'token_type', 'cond_residue_type') )

Parâmetros

  • latent_dim (int, padrão 32) — Largura do latente local por token.
  • n_residue_types (int, padrão 147) — Tamanho do vocabulário de resíduos.
  • num_token_types (int, padrão 7) — Tamanho do vocabulário de tipos de token: proteína, RNA, DNA, atomizado, desconhecido, glicano e aminoácido não canônico.
  • allowed_residue_types (list[list[bool]]) — tabela de classes de resíduos ((num_token_types, n_residue_types)) para as quais cada tipo de token pode ser decodificado.
  • nlayers (int, padrão 12) — Camadas do tronco em cada um dos codificador e decodificador.
  • token_dim (int, padrão 768) — Largura da representação do token.
  • nheads (int, padrão 12) — Cabeças de atenção por camada.
  • dim_cond (int, padrão 128) — Largura do vetor de condicionamento (não utilizado, zero).
  • pair_repr_dim (int, padrão 256) — Largura dos pares com que as camadas do tronco são construídas. O autoencoder publicado não usa viés de par, portanto este parâmetro não retém parâmetros.
  • token_type_emb_dim (int, padrão 32) — Largura do embedding de tipo de token.
  • encoder_feats_seq, decoder_feats_seq (list[str]) — Recursos projetados para as entradas do codificador e do decodificador.
  • atom37_mask (list[list[bool]]) — Slots válidos de atom37 para cada tipo de resíduo, com forma (n_residue_types, 37).

Codificador molecular em pares e decodificador atom37.

As coordenadas fornecidas a e retornadas por este modelo estão em nanômetros.

encode

< >

( coords_nm: Tensorpadding_mask: Tensortoken_type: typing.Optional[torch.Tensor] = Noneatom37_mask: typing.Optional[torch.Tensor] = Noneconditioning: dict[str, typing.Any] | None = Nonegenerator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonereturn_dict: bool = True ) → RFD4ProteinaEncoderOutput or tuple

Parâmetros

  • coords_nm (torch.Tensor) — coordenadas do atom37 em nanômetros, (batch, tokens, 37, 3).
  • padding_mask (torch.Tensor) — (batch, tokens), verdadeiro onde um token é real e não preenchimento.
  • token_type (torch.Tensor, opcional) — códigos de tipo de token (batch, tokens).
  • atom37_mask (torch.Tensor, opcional) — (batch, tokens, 37), verdadeiro onde um slot de átomo é utilizado.
  • conditioning (dict[str, Any], opcional) — Os tensores restantes de topologia e condicionamento, sob as chaves emitidas pelo pré-processador.
  • generator (torch.Generator ou list[torch.Generator], opcional) — Um gerador por linha do lote para amostras latentes estocásticas independentes. Sem um, a amostragem é extraída do fluxo global.
  • return_dict (bool, padrão True) — Retorna uma saída tipada ou uma tupla de seus campos.

Retorna

RFD4ProteinaEncoderOutput ou tuple

Tensores latentes, de média e de escala logarítmica com forma (batch, tokens, latent_dim).

Codifique as coordenadas preparadas e as condições em latentes locais por token amostrados.

decode

< >

( z_latent: Tensorca_coors_nm: Tensorpadding_mask: Tensortoken_type: typing.Optional[torch.Tensor] = Noneatom37_mask: typing.Optional[torch.Tensor] = Noneconditioning: dict[str, typing.Any] | None = Nonereturn_dict: bool = True ) → RFD4ProteinaDecoderOutput or tuple

Parâmetros

  • z_latent (torch.Tensor) — latentes locais por token, (batch, tokens, latent_dim).
  • ca_coors_nm (torch.Tensor) — posições CA do backbone em nanômetros, (batch, tokens, 3).
  • padding_mask (torch.Tensor) — (batch, tokens), verdadeiro onde um token é real e não preenchimento.
  • token_type (torch.Tensor, opcional) — códigos de tipo de token (batch, tokens).
  • atom37_mask (torch.Tensor, opcional) — (batch, tokens, 37), verdadeiro onde um slot de átomo é utilizado.
  • conditioning (dict[str, Any], opcional) — Os tensores restantes de topologia e condicionamento, sob as chaves emitidas pelo pré-processador. A condição de sequência é lida daqui.
  • return_dict (bool, padrão True) — Retorna uma saída tipada ou uma tupla de seus campos.

Retorna

RFD4ProteinaDecoderOutput ou tuple

Coordenadas (batch, tokens, 37, 3) em nanômetros, tipos de resíduos (batch, tokens), máscara de emissão (batch, tokens) e máscara de átomos (batch, tokens, 37). As coordenadas dos átomos não emitidos são zero.

Decodifique os latentes por token e as posições do backbone para a estrutura atom37.

forward

< >

( z_latent: Tensorca_coors_nm: Tensorpadding_mask: Tensortoken_type: typing.Optional[torch.Tensor] = Noneatom37_mask: typing.Optional[torch.Tensor] = Noneconditioning: dict[str, typing.Any] | None = Nonereturn_dict: bool = True ) → RFD4ProteinaDecoderOutput or tuple

Parâmetros

  • z_latent (torch.Tensor) — latentes locais por token, (batch, tokens, latent_dim).
  • ca_coors_nm (torch.Tensor) — posições CA do backbone em nanômetros, (batch, tokens, 3).
  • padding_mask (torch.Tensor) — (batch, tokens), verdadeiro onde um token é real e não preenchimento.
  • token_type (torch.Tensor, opcional) — códigos de tipo de token (batch, tokens).
  • atom37_mask (torch.Tensor, opcional) — (batch, tokens, 37), verdadeiro onde um slot de átomo é utilizado.
  • conditioning (dict[str, Any], opcional) — Os tensores restantes de topologia e condicionamento.
  • return_dict (bool, padrão True) — Retorna uma saída tipada ou uma tupla de seus campos.

Retorna

RFD4ProteinaDecoderOutput ou tuple

Coordenadas decodificadas, tipos de resíduos e máscaras de átomo/emissão.

Decodifica os latentes por token e as posições do backbone; equivalente a chamar decode().

RFD4ProteinaEncoderOutput

classe diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaEncoderOutput

< >

( latent: Tensormean: typing.Optional[torch.Tensor] = Nonelog_scale: typing.Optional[torch.Tensor] = None )

Parâmetros

  • latent (torch.Tensor) — Amostra mean + noise * exp(log_scale), zero fora dos tokens latentes emitidos.
  • mean (torch.Tensor) — média gaussiana, zero fora dos tokens latentes emitidos.
  • log_scale (torch.Tensor) — Desvio padrão logarítmico, zero fora dos tokens latentes emitidos.

Parâmetros latentes amostrados e gaussianos, cada um com a forma (batch, tokens, latent_dim).

RFD4ProteinaDecoderOutput

classe diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaDecoderOutput

< >

( coordinates: Tensorresidue_type: typing.Optional[torch.Tensor] = Noneemit_mask: typing.Optional[torch.Tensor] = Noneatom_mask: typing.Optional[torch.Tensor] = None )

Parâmetros

  • coordinates (torch.Tensor) — Coordenadas (batch, tokens, 37, 3) em nanômetros; átomos não emitidos são zero.
  • residue_type (torch.Tensor) — Índices do vocabulário de resíduos com forma (batch, tokens).
  • emit_mask (torch.Tensor) — Máscara booleana de tokens emitidos com forma (batch, tokens).
  • atom_mask (torch.Tensor) — Máscara booleana de átomos válidos com forma (batch, tokens, 37).

Coordenadas moleculares decodificadas e topologia discreta de atom37.

Update on GitHub

←QwenImageTransformer2DModel RFD4ProteinaTransformer→