esmfold_dataset

<p align="center"> <strong> <span style="font-size: 30px;">ESMFold Dataset</span> </strong> </p> ## 数据集介绍 `OneScience/esmfold_dataset` 用于适配模型 `OneScience/esmfold/`。当前原始目录的 `data/` 为空，`weight/` 包含 ESMFold/ESM2 预训练权重，因此本标准数据集按“权重型数据集”整理。 本资源主要用于避免推理时从外网下载 checkpoint。它不是训练样本数据集，不包含 train/validation/test 切分；当前可自动验证的是权重文件结构、大小、SHA256、schema 和基本可读性。 ## 仓库说明 本数据集适配 `OneScience/esmfold/`。模型预检命令默认可从相邻的 `dataset/bio_esmfold_dataset` 查找该数据集，也可通过模型预检脚本的 `--dataset-root` 指定其他位置。 ## 文件说明 数据格式为 PyTorch checkpoint `.pt` 文件。完整性信息在 `metadata/file_manifest.tsv` 中。 | 文件 | 说明 | |---|---| | `weight/esmfold_3B_v1.pt` | ESMFold v1 推理必需 checkpoint | | `weight/esm2_t6_8M_UR50D.pt` | ESM-2 8M 可选表征提取权重 | | `weight/esm2_t6_8M_UR50D-contact-regression.pt` | ESM-2 8M 可选接触回归权重 | | `weight/esm2_t33_650M_UR50D.pt` | ESM-2 650M 可选表征提取权重 | | `weight/esm2_t33_650M_UR50D-contact-regression.pt` | ESM-2 650M 可选接触回归权重 | ## 使用说明 ### 文件与下载 ```bash modelscope download --dataset OneScience/esmfold_dataset --local_dir ./bio_esmfold_dataset modelscope download --model OneScience/esmfold/ --local_dir ./bio_esmfold ``` ### 数据放置与验证 推荐放置： ```text session_workdir/ ├── model/bio_esmfold/ └── dataset/bio_esmfold_dataset/ ``` 在数据集包根目录执行： ```bash python scripts/validate_dataset.py ``` 如只做快速文件存在性和大小检查，可加 `--skip-sha256`。 ## OneScience 官方信息 | 平台 | OneScience 主仓库 | Skills 仓库 | |---|---|---| | Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills | | GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills | ## 限制与许可证 本数据集当前是权重集合，不是训练样本集。没有训练、评测切分，也没有归一化统计文件。ESM/ESMFold 原始代码使用 MIT License；权重使用时应遵循原始 ESM 项目的许可和引用要求。