- nlogP帖子（已经自己跑过了）预测化学分子的nlogP——基于sklearn, deepchem, DGL, Rdkit的图卷积网络模型_rdkit 图卷积-CSDN博客
- 上面跑的时候结合和llq的代码（即他基于deepchem库进行模型构建）+ gpt生成的不是很行的deepchem代码
- DGL帖子（基本自己跑过了）图卷积神经网络(GCNN)预测分子药物致突变性:DGL&DGL-life - 知乎 (zhihu.com)
- Attentive FP帖子（没自己跑）DGL & RDKit | 基于Attentive FP的分子性质线性模型-腾讯云开发者社区-腾讯云 (tencent.com)
- DGLlife DGL-LifeSci：面向化学和生物领域的 GNN 算法库 - 码农教程 (manongjc.com)
- DGLlife DGL-LifeSci：面向化学和生物领域的 GNN 算法库-腾讯云开发者社区-腾讯云 (tencent.com) （这个和上面那个帖子基本是一样的）
- 之前看cyt文章找的一个deepchem帖子（完全没看）DeepChem-使用图卷积神经网络对化学分子建模_deepchem图网络-CSDN博客
目前（2023.11.18）：
1.对第一个nlogP帖子学习的程度好些 对于deepchem这个库结合这个帖子、llq代码、gpt生成的错误代码有一定认识
2.结合nlogP和DGL帖子 对DGL库稍微有点认识（而且deepchem和dgl这两个库都只知道构建gcn模型 其他图模型都不知道）
3.通过11.8-11.14期间对PyG库的学习（虽然也还是只用这个库构建gcn 但感觉对构建图有了理解）
4.于是整体来说：就是首先 将自己的数据转换为对应库的图对象 就是图列表，然后 进行模型构建：定义模型的类 前向反向传播
具体说明：
PyG => 将smiles变成得到所需的dataset（即PyG的图Data对象的整合列表），再整合为一个大图，在大图基础上考虑划分
DGL => DGL帖子利用dgllife创建图train_g和train_y这样的列表 | 而nlogP帖子利用rdkit和dgl，由邻接矩阵，然后dgl.from_scipy(...) 得到图列表X
Deepchem => 利用dc.data.CSVLoader得到加载器，之后将df_train传入loader，得到train_set图列表
目前缺少：利用smiles、类别构建一个二分类模型，并且使用PyG、Deepchem、dgl等这些库来实现，能成功跑出结果
欠缺理解：构建图对象，模型这些应该如何更好的理解；GCN输入到底是什么？（原子特征数？） 又是经过怎么样的变换得到我们所需的输出维度；同样的问题对于deepchem等库构建图后用于模型如何理解？
