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。

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.backbone

mindsponge.metrics.backbone(traj, backbone_affine_tensor, backbone_affine_mask, fape_clamp_distance, fape_loss_unit_distance, use_clamped_fape)

调用 frame_aligned_point_error_map 实现骨架全原子损失函数计算 Jumper et al. (2021) Suppl. Alg. 20 “StructureModule” line 17.

参数：

• traj (Tensor) - Structure模块预测的一系列骨架局部坐标系（轨迹），shape为 $(N_{recycle},N_{res},7)$ ，其中 $N_{recycle}$ 是Structure模块中的循环次数， $N_{res}$ 是蛋白质中的残基数目，对于最后一维，前四个分量是表征旋转的四元数，代表局部坐标系相对全局坐标系的旋转，后三个分量是三维空间的平移。

• backbone_affine_tensor (Tensor) - 真实的的骨架局部坐标系，shape为 $(N_{res},7)$ 。

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

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

• fape_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。

• use_clamped_fape (float) - 是否截断截断距离误差，0或者1，0代表不截断。

返回：

• fape (list) - Tensor。计算所得Structure模块最后一次迭代输出的结构的全原子点位置误差，如果use_clamped_fape为1，则计算过程中过大的误差会被截断。shape为 $()$ 。

• loss (list) - Tensor。计算所得Structure模块所有迭代输出的结构的全原子点位置误差的均值，如果use_clamped_fape为1，则计算过程中过大的误差会被截断。shape为 $()$ 。

• no_clamp (list) - Tensor。。计算所得Structure模块最后一次迭代输出的结构的全原子点位置误差，没有截断。shape为 $()$ 。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> np.random.seed(0)
>>> from mindsponge.metrics import backbone
>>> from mindspore import dtype as mstype
>>> from mindspore import Tensor
>>> traj = Tensor(np.random.rand(8, 256, 7)).astype(mstype.float32)
>>> backbone_affine_tensor = Tensor(np.random.rand(256, 7)).astype(mstype.float32)
>>> backbone_affine_mask = Tensor(np.random.rand(256,)).astype(mstype.float16)
>>> fape_clamp_distance = 10.0
>>> fape_loss_unit_distance = 10.0
>>> use_clamped_fape = 1
>>> fape, loss, noclamp = backbone(traj, backbone_affine_tensor, backbone_affine_mask,
...                                fape_clamp_distance, fape_loss_unit_distance, use_clamped_fape)
>>> print(fape, loss, noclamp)
0.12813742 0.12904957 0.12813742