2026 年 1 月 10 日

模块化我的 GNN 代码

1. 模型方面

把 KAN 代码整理为：可以从任意数据集进行预测(动态根据填写的特征列名的数量决定有几个节点，而生成图的拓扑类型数量的逻辑不变、仍然自己写图的笛卡尔坐标逻辑，)

2. 特征工程方面（以反应图为基准）

节点组分的特征：整理出 mordred 工具的一键式方案，RDKit 分子指纹的一键式方案，RDKit 分子描述符的一键式方案 图级特征：把 rxnfp 代码输出为.csv 文件的形式，方便后续合并到数据集中 边级特征：整理 出 bond type one-hot encoding 的一键式方案

3. 模型模块化方面

class KAN 线性层 class SEBlock class ResNet 18 Block？

4. 训练方面

   lightning 模型封装 tensorboard 可视化

5. 流水线

   用 wandb 管理实验，模型训练，模型保存与加载，模型评估，结果可视化等功能 latex 进行论文写作 Git + GitHub 进行版本管理与协作(github 私有仓库的容量限制为 500MB，超过需要付费，可以考虑用 git-lfs 管理大文件)

反思：为什么要将简单的 ai 可以一分钟搞定的代码再次模块化？为了省半分钟的时间而消耗几个小时的时间吗？值得吗？

推翻！！

现在开始只要直接思考逻辑就行，不要再推敲模块化了！其实大部分文献中的代码的复杂程度，现在的 ai 已经可以独立完成了，没必要分步模块化，直接让 ai 帮我写出完整的代码就行！