RuntimeError: mat1 and mat2 shapes cannot be multiplied during sampling with finetuned_replogle.ckpt
Chưa có ai nhận issue này.
Đánh giá
- Độ khó
- 3/5
- Thời gian dự kiến
- 1-2 ngày
- Mức phù hợp với người mới
- 68/100
- Loại issue
- Lỗi
- Độ rõ ràng
- Khá rõ ràng
- Mức độ hoạt động
- Sôi nổi
- Công nghệ
- python
- Lĩnh vực
- machine-learning
Hướng nghiên cứu
Bắt đầu bằng cách đọc các assertion về kích thước được hardcode trong sampling_generation_helpers.py quanh dòng 58 và sampling_generation.py quanh dòng 94, sau đó so sánh chúng với các kích thước của finetuned_replogle.ckpt và cấu hình sampling được cung cấp. Được xem là hoàn thành khi sampling chạy được với checkpoint và không có lỗi không khớp shape với 2000 gene.
Do mô hình lập chỉ mục viết ra từ nội dung của issue.
Mô tả
Hello! I'm trying to run the sampling script using the provided finetuned_replogle.ckpt.
It seems this checkpoint was trained on 12626 genes, but script defaults to a 2000-gene space, causing a shape mismatch error:
RuntimeError: mat1 and mat2 shapes cannot be multiplied (128x4000 and 25252x512)
I tried changing the config to match 12626 genes:
data.pad_length=12626
model.hidden_num=[12626,512]
model.input_dim=12626
data.embed_key=X
However, the script still fails because 2000 is strictly hardcoded in several assert statements across the sampling codebase (e.g., sampling_generation_helpers.py line 58 and sampling_generation.py line 94).
How can I correctly run sampling for this finetuned checkpoint? Are there plans to make the gene dimension dynamic instead of hardcoded?
Thanks!
- Ngôn ngữ chính
- Python
- Star
- 63
- Fork
- 10
- Chỉ số merge pull request
- Không có pull request nào được merge trong 30 ngày
Hướng dẫn đóng góp
Chưa lập chỉ mục được hướng dẫn đóng góp cho kho mã nguồn này
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của DeepGraphLearning/PerturbDiff
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 38/100
DeepGraphLearning/PerturbDiff#7 · 1 bình luận ·
-
Question: Simulating gene knockout on novel datasets (zero-shot inference) & Implementation feedback Đang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 30/100
DeepGraphLearning/PerturbDiff#5 · 1 bình luận · 1 reaction ·
-
Inference Đang mở
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
DeepGraphLearning/PerturbDiff#1 · 4 bình luận ·
Tất cả issue của DeepGraphLearning/PerturbDiff
Issue tương tự
-
enhancement
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 70/100
canonical/paas-charm#368 · 1 bình luận ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 75/100
-
tech debt
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 75/100
-
addition to tracking list Đang mở
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 90/100
StevenBlack/hosts#3256 ·
-
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 90/100
qualcomm/qai-appbuilder#275 ·