文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindsponge.metrics.frame_aligned_point_error_map

mindsponge.metrics.frame_aligned_point_error_map(pred_frames, target_frames, frames_mask, pred_positions, target_positions, positions_mask, length_scale, l1_clamp_distance)

在不同的局部坐标系下计算两个结构的原子位置误差，与 frame_aligned_point_error 函数相似，区别在于带批处理逻辑，同时计算多组局部坐标系与真实结构局部坐标系之间的误差，针对每组局部坐标系分别返回一个损失函数值，且只考虑 $C\alpha$ 原子，计算逻辑参考 frame_aligned_point_error。

参数：

• pred_frames (list) - 预测的蛋白质刚体变换组对应局部坐标系，二维数组，数组的第一个元素是长度为9的tensor的list，代表局部坐标系相对于全局坐标系的旋转矩阵；第二个元素是长度为3的tensor的list，代表局部坐标系相对于全局坐标系的平移矩阵，所有tensor的shape均为 $(N_{recycle},N_{res})$ ，其中 $N_{recycle}$ 是Structure模块中FoldIteration的循环次数。 $N_{res}$ 是蛋白质中的残基数目。

• target_frames (list) - 预测的蛋白质刚体变换组对应局部坐标系，也是二维list，shape与 pred_frames 一致，为 $(N_{res},)$。

• frames_mask (Tensor) - 局部坐标系的mask，shape为 $(N_{res},)$ 。

• pred_positions (list) - 预测的 $C\alpha$ 原子的坐标，长度为3的tensor的一维数组，tensor的shape为 $(N_{recycle},N_{res},)$ 。

• target_positions (list) - 真实的 $C\alpha$ 原子的坐标，shape为 $(N_{res},)$ 的 3 个Tensor的list。

• positions_mask (Tensor) - 预测的原子坐标的mask，shape为 $(N_{res},)$ 。

• length_scale (float) - 单位距离，用于缩放距离的差，常量。

• l1_clamp_distance (float) - 距离误差的截断点，超过该距离时梯度不再考虑，常量。

返回：

• error_clamp (Tensor) - Tensor。计算所得骨架全原子点位置误差，计算过程中过大的误差会被截断。shape为 $(N_{recycle},)$ 。

• error_no_clamp (Tensor) - Tensor。计算所得骨架原子点位置误差（没有截断）。shape为 $(N_{recycle},)$ 。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindsponge.metrics import frame_aligned_point_error_map
>>> from mindspore import dtype as mstype
>>> from mindspore import Tensor
>>> np.random.seed(0)
>>> rot_matrix = [[Tensor(np.random.rand(8, 256)).astype(mstype.float32) for _ in range(9)]]
>>> trans_matrix = [[Tensor(np.random.rand(8, 256)).astype(mstype.float32) for _ in range(3)]]
>>> pred_frames = rot_matrix + trans_matrix
>>> rot_matrix = [[Tensor(np.random.rand(256,)).astype(mstype.float32) for _ in range(9)]]
>>> trans_matrix = [[Tensor(np.random.rand(256,)).astype(mstype.float32) for _ in range(3)]]
>>> target_frames = rot_matrix + trans_matrix
>>> frames_mask = Tensor(np.random.rand(256,)).astype(mstype.float32)
>>> positions_mask = Tensor(np.random.rand(256,)).astype(mstype.float32)
>>> pred_positions = [Tensor(np.random.rand(8, 256)).astype(mstype.float32) for _ in range(3)]
>>> target_positions = [Tensor(np.random.rand(256,)).astype(mstype.float32) for _ in range(3)]
>>> length_scale = 10.0
>>> l1_clamp_distance = 10.0
>>> error, error_noclamp = frame_aligned_point_error_map(pred_frames, target_frames, frames_mask,
...                                                      pred_positions, target_positions, positions_mask,
...                                                      length_scale, l1_clamp_distance)
>>> print(error, error_noclamp)
[0.0827449  0.08608595 0.09045469 0.08518302 0.08452212 0.08624027 0.08426301 0.08154671]
[0.0827449  0.08608595 0.09045469 0.08518302 0.08452212 0.08624027 0.08426301 0.08154671]