简而言之，它是自然语言处理（NLP）领域的一项技术，可将字符串转换为矢量。 许多人用smiles字符串预测物理属性。
Smiles2vec的结构
将字符串转换为矢量是NLP领域的一项技术名为Seq2Seq。 在没有学习的情况下简单地解释它，它经常被用在“机器对话和机器翻译等模型”中。 该技术基于递归神经网络的思想使用诸如LSTM和GRU的层。 下图显示了原始论文中Smiles2vec的结构。 在本文中隐藏层的根据化合物结构和物理性质而改变。
导入库
from __future__ import print_functionimport kerasfrom sklearn.utils import shufflefrom keras.models import Sequential, Modelfrom keras.layers import Conv2D, MaxPooling2D, Input, GlobalMaxPooling2D, BatchNormalizationfrom keras.layers.core import Dense, Dropout, Activation, Flattenfrom keras.optimizers import Adamfrom keras.preprocessing.image import ImageDataG