【DeePMD-kit】模型计算

DeePMD-kit训练模型的用法

在程序包的examples文件夹里多个算例，路径如下：

单核运行的话，可以直接执行下面的命令：

     这里input.json就是输入文件的文件名。默认情况下，DeePMD-KIT的详细级别为INFO，屏幕上有关代码和环境的重要信息有许多。需要特别关注关于数据系统的两条信息。

    DeePMD-KIT会打印关于训练和验证数据集的详细信息，由输入脚本中“training”部分的“Training_Data”和“Validation_Data”定义。训练数据集由三个数据系统组成，而验证数据集由一个数据系统组成。系统中的原子数量、batch_size、批次数量以及使用该系统的概率都显示在屏幕上。最后一列显示系统是否假定为周期性边界条件。

    在训练过程中，用于训练模型的批次和验证数据的number_bch批次的每个disp_freq训练步都开展模型误差测试。训练误差和验证误差打印在disp_file文件中(默认为lcurve.out)。batch_size可以输入脚本中关于训练和验证数据集部分的关键字BATCH_SIZE来设置。

     该文件从左到右包含8列，分别是训练步数、验证损失、训练损失、能量均方根(RMS)验证误差、能量RMS训练误差、力的RMS验证误差、力的RMS训练误差和学习率。能量的均方根误差(RMSE)由系统的原子数归一化。可以通过简单的Python脚本来可视化此文件。每个save_freq训练步都会将checkpoints写入前缀为save_ckpt的文件。

 

水分子具体算例

     在水分子的算例中，可以看到输入文件input.json，分为几个模块。

（一）learning_rate

（二）Training parameters

 

（三）其它参数和变量

      一些命令选项可以传递给dp train，通过以下命令行可以查看。

程序会给出下面的解释：

      在一些资源有限的机器上，可能需要控制DeePMD-kit使用的线程数量，由三个环境变量实现。

 

如需DeePMD-kit安装教程，请后台留言评论哦！

如需投稿或合作

发送邮箱[email protected]

获取更多科研硬货可关注公众号学术大视界

 

获取更多福利、经验交流可加群

来源：计算模拟之道

声明：内容仅代表个人观点，如有不科学之处，敬请谅解，请在下方留言指正。