mindsponge.metrics

接口名	概述	支持平台
`mindsponge.metrics.BalancedMSE`	计算预测值和真实值之间的均衡平方误差，适用于回归任务中标签不平衡的场景。	`Ascend` `GPU`
`mindsponge.metrics.BinaryFocal`	计算二分类中预测值和真实值之间的焦点损失，详细实现过程参考： Lin, Tsung-Yi, et al. 'Focal loss for dense object detection' 。	`Ascend` `GPU`
`mindsponge.metrics.MultiClassFocal`	计算多分类中预测值和真实值之间的焦点损失，详细实现过程参考： Lin, Tsung-Yi, et al. 'Focal loss for dense object detection' 。	`Ascend` `GPU`
`mindsponge.metrics.backbone`	调用 frame_aligned_point_error_map 实现骨架全原子损失函数计算。	`Ascend` `GPU`
`mindsponge.metrics.between_residue_bond`	该函数主要用于计算序列上连续氨基酸残基之间是否存在肽键长度及角度冲突，可以对蛋白质结构冲突进行惩罚。	`Ascend` `GPU`
`mindsponge.metrics.between_residue_clash`	该函数用于计算属于蛋白质序列不同残基的原子对在空间中由于位置过于接近而存在的冲突损失。	`Ascend` `GPU`
`mindsponge.metrics.compute_renamed_ground_truth`	由于蛋白质中部分氨基酸侧链存在对称性，因此可能存在等价的构象。	`Ascend` `GPU`
`mindsponge.metrics.frame_aligned_point_error`	在不同的局部坐标系下计算两个结构的原子位置误差。	`Ascend` `GPU`
`mindsponge.metrics.frame_aligned_point_error_map`	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。	`Ascend` `GPU`
`mindsponge.metrics.get_structural_violations`	该函数主要用于计算蛋白序列中相邻的氨基酸是否存在不合理的肽键构型，以及不同原子是否在空间中距离过近，从而对蛋白质结构中不合理的空间冲突进行惩罚。	`Ascend` `GPU`
`mindsponge.metrics.local_distance_difference_test`	计算真实与预测的 \(C\alpha\) 坐标的局部距离误差。	`Ascend` `GPU`
`mindsponge.metrics.sidechain`	调用 frame_aligned_point_error 实现全原子损失函数计算。	`Ascend` `GPU`
`mindsponge.metrics.supervised_chi`	计算主链与侧链扭转角的误差，扭转角用角度的正弦与余弦值表示，该误差由两项组成，第一项是正则化后的预测正弦余弦值与真实值的角度差，第二项是预测值的模量与1的差值，称为角度模量误差。	`Ascend` `GPU`
`mindsponge.metrics.within_residue_violations`	该函数用于计算蛋白质序列中同一个氨基酸下所有原子在空间中由于位置过于接近而存在的冲突损失。	`Ascend` `GPU`