Mdlm
MDLM
基类:Interpolant
一个掩码离散扩散语言模型 (MDLM) 插值器。
示例
>>> import torch
>>> from bionemo.moco.distributions.prior.discrete.mask import DiscreteMaskedPrior
>>> from bionemo.moco.distributions.time.uniform import UniformTimeDistribution
>>> from bionemo.moco.interpolants.continuous_time.discrete.mdlm import MDLM
>>> from bionemo.moco.schedules.noise.continuous_noise_transforms import CosineExpNoiseTransform
>>> from bionemo.moco.schedules.inference_time_schedules import LinearTimeSchedule
mdlm = MDLM(
time_distribution = UniformTimeDistribution(discrete_time = False,...),
prior_distribution = DiscreteMaskedPrior(...),
noise_schedule = CosineExpNoiseTransform(...),
)
model = Model(...)
# Training
for epoch in range(1000):
data = data_loader.get(...)
time = mdlm.sample_time(batch_size)
xt = mdlm.interpolate(data, time)
logits = model(xt, time)
loss = mdlm.loss(logits, data, xt, time)
loss.backward()
# Generation
x_pred = mdlm.sample_prior(data.shape)
schedule = LinearTimeSchedule(...)
inference_time = schedule.generate_schedule()
dts = schedue.discreteize()
for t, dt in zip(inference_time, dts):
time = torch.full((batch_size,), t)
logits = model(x_pred, time)
x_pred = mdlm.step(logits, time, x_pred, dt)
return x_pred
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 |
|
__init__(time_distribution, prior_distribution, noise_schedule, device='cpu', rng_generator=None)
初始化掩码离散语言模型 (MDLM) 插值器。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
time_distribution
|
TimeDistribution
|
扩散过程中控制时间变量的分布。 |
必需 |
prior_distribution
|
DiscreteMaskedPrior
|
离散 Token 空间上的先验分布,包括掩码 Token。 |
必需 |
noise_schedule
|
ContinuousExpNoiseTransform
|
定义噪声强度随时间变化的噪声调度。 |
必需 |
device
|
字符串
|
用于计算的设备。默认为 "cpu"。 |
'cpu'
|
rng_generator
|
Optional[Generator]
|
用于可重复性的随机数生成器。默认为 None。 |
None
|
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 |
|
calculate_score(logits, x, t)
返回给定样本 x 在时间 t 及其对应模型输出 logits 的分数。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
logits
|
张量
|
模型的输出。 |
必需 |
x
|
张量
|
当前数据点。 |
必需 |
t
|
张量
|
当前时间。 |
必需 |
返回值
名称 | 类型 | 描述 |
---|---|---|
张量 |
MDLM 附录 C.3 方程 76 中定义的分数。 |
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 |
|
forward_process(data, t)
在时间 t 对数据应用前向过程。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
data
|
张量
|
目标离散 ID |
必需 |
t
|
张量
|
time |
必需 |
返回值
名称 | 类型 | 描述 |
---|---|---|
张量 |
张量
|
应用前向过程后的 x(t) |
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
121 122 123 124 125 126 127 128 129 130 131 |
|
interpolate(data, t)
从噪声和数据中获取给定时间 t 的 x(t)。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
data
|
张量
|
目标离散 ID |
必需 |
t
|
张量
|
time |
必需 |
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 |
|
loss(logits, target, xt, time, mask=None, use_weight=True)
计算模型预测和目标输出之间的交叉熵损失。
损失是在批次 x 节点 x 类别 logits 和目标批次 x 节点之间计算的,考虑了时间 time
离散序列 xt
的当前状态。
如果 use_weight
为 True,则损失将由连续 NELBO 的 MDLM 时间权重的简化形式加权,如 https://arxiv.org/pdf/2406.07524 的方程 11 中所述。 此权重与噪声调度相对于时间的导数成正比,用于强调在扩散过程中的某些时间准确预测的重要性。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
logits
|
张量
|
logits |
必需 |
target
|
张量
|
模型预测的目标输出,形状为 批次 x 节点。 |
必需 |
xt
|
张量
|
离散序列的当前状态,形状为 批次 x 节点。 |
必需 |
time
|
张量
|
time |
必需 |
mask
|
Optional[Tensor]
|
数据点的掩码。默认为 None。 |
None
|
use_weight
|
布尔值
|
是否使用 MDLM 时间权重计算损失。默认为 True。 |
True
|
返回值
名称 | 类型 | 描述 |
---|---|---|
张量 |
返回值 |
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 |
|
step(logits, t, xt, dt)
执行 MDLM DDPM 步进的单步操作。
参数:logits (张量):输入 logits。t (浮点数):当前时间步。xt (张量):当前状态。dt (浮点数):时间步增量。
返回值:张量:更新后的状态。
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 |
|
step_argmax(model_out)
返回模型输出最后一维中最大值的索引。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
model_out
|
张量
|
模型的输出。 |
必需 |
返回值
名称 | 类型 | 描述 |
---|---|---|
张量 |
返回值 |
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
316 317 318 319 320 321 322 323 324 325 |
|
step_confidence(logits, xt, curr_step, num_steps, logit_temperature=1.0, randomness=1.0, confidence_temperature=1.0)
通过从预测的 logits 中采样并添加 Gumbel 噪声来更新输入序列 xt。
方法取自 GenMol Seul 等人。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
logits
|
张量
|
logits |
必需 |
xt
|
张量
|
xt |
必需 |
curr_step
|
整数
|
当前步骤 |
必需 |
num_steps
|
整数
|
总步数 |
必需 |
logit_temperature
|
浮点数
|
用于 logits 上 softmax 的温度 |
1.0
|
randomness
|
浮点数
|
Gumbel 噪声的尺度 |
1.0
|
confidence_temperature
|
浮点数
|
Gumbel 置信度的温度 |
1.0
|
返回值
类型 | 描述 |
---|---|
张量
|
返回值 |
源代码位于 bionemo/moco/interpolants/continuous_time/discrete/mdlm.py
255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 |
|