[pre-commit.ci] auto fixes from pre-commit.com hooks

for more information, see https://pre-commit.ci

Author: pre-commit-ci[bot]

deepmd/deepmd_property_tools/DPA3_finetune_hyperparameters.md

@@ -30,7 +30,7 @@ PropertyTrain(
 
 其中 `use_pretrain_script=True` 会让 DeePMD-kit 根据预训练模型里的 `model_params` 自动修正当前 `input.json` 中的模型结构，使其更容易和 `DPA-3.2-5M.pt` 对齐。
 
----
+______________________________________________________________________
 
 ## 2. 应与预训练模型保持一致的参数
 
@@ -53,13 +53,24 @@ unexpected key
 微调数据中的元素类型应被预训练模型支持。当前 20 条 demo 数据自动生成：
 
 ```json
-["H", "C", "N", "O"]
+[
+  "H",
+  "C",
+  "N",
+  "O"
+]
 ```
 
 如果使用全量数据且包含 `I`，则可能生成：
 
 ```json
-["H", "C", "N", "O", "I"]
+[
+  "H",
+  "C",
+  "N",
+  "O",
+  "I"
+]
 ```
 
 需要确认预训练模型支持这些元素。
@@ -153,7 +164,7 @@ unexpected key
 
 这些参数有些会影响模型结构，有些会影响模型计算逻辑。做预训练微调时，不建议手动随意修改。
 
----
+______________________________________________________________________
 
 ## 3. 可以根据当前任务设置的参数
 
@@ -193,15 +204,15 @@ unexpected key
 可以自行设置：
 
 ```python
-numb_steps=10
+numb_steps = 10
 ```
 
 或正式训练时设置更大：
 
 ```python
-numb_steps=10000
-numb_steps=50000
-numb_steps=200000
+numb_steps = 10000
+numb_steps = 50000
+numb_steps = 200000
 ```
 
 当前 20 条 demo 数据只用于 smoke test，`10` steps 只是验证流程。
@@ -211,19 +222,19 @@ numb_steps=200000
 可以根据数据量和显存调整：
 
 ```python
-batch_size=1
+batch_size = 1
 ```
 
 或使用 DeePMD 支持的自动 batch：
 
 ```python
-batch_size="auto:512"
+batch_size = "auto:512"
 ```
 
 当前 20 条 demo 数据中很多 system 只有 1-2 个样本，如果设置：
 
 ```python
-batch_size=1024
+batch_size = 1024
 ```
 
 会出现 warning：
@@ -254,7 +265,7 @@ required batch size is larger than the size of the dataset
 在 `train_property_20.py` 中可通过 `input_updates` 设置：
 
 ```python
-input_updates={
+input_updates = {
     "learning_rate": {
         "type": "exp",
         "decay_steps": 1000,
@@ -284,8 +295,8 @@ input_updates={
 例如：
 
 ```python
-property_name="Property"
-property_col="Property"
+property_name = "Property"
+property_col = "Property"
 ```
 
 含义：
@@ -324,15 +335,15 @@ The fitting net will be re-init instead of using that in the pretrained model!
 这是 `deepmd_property_tools` 的工具层参数：
 
 ```python
-freeze=False
+freeze = False
 ```
 
 它控制训练结束后是否自动导出 `frozen_model.pth`。
 
 当前 DPA3 预训练模型的 `custom_silu` 在 TorchScript freeze 阶段可能报错，因此当前 demo 中使用：
 
 ```python
-freeze=False
+freeze = False
 ```
 
 先保存 checkpoint：
@@ -348,15 +359,15 @@ model.ckpt-10.pt
 这是 `deepmd_property_tools` 的训练启动参数，用于控制单节点启动多少个训练进程：
 
 ```python
-nproc_per_node=1
+nproc_per_node = 1
 ```
 
 默认值是 `1`，表示单进程训练。单进程时，工具会直接调用 DeePMD-kit 的 Python 训练入口。
 
 如果设置为大于 1，例如：
 
 ```python
-nproc_per_node=2
+nproc_per_node = 2
 ```
 
 工具会改用 `torchrun` 启动多进程训练，等价于：
@@ -368,7 +379,7 @@ torchrun --nproc_per_node=2 --no-python dp --pt train input.json
 通常含义是单节点 2 张 GPU / 2 个训练进程。8 卡训练可以设置：
 
 ```python
-nproc_per_node=8
+nproc_per_node = 8
 ```
 
 注意：`nproc_per_node` 不是 CPU 线程数。如果只是在 CPU 上想使用更多线程，应通过环境变量控制，例如：
@@ -380,7 +391,7 @@ export DP_INTER_OP_PARALLELISM_THREADS=2
 python train_property_20.py
 ```
 
----
+______________________________________________________________________
 
 ## 4. 当前推荐配置示例
 
@@ -432,7 +443,7 @@ DPA3 结构开关
 
 这些应由 `use_pretrain_script=True` 自动继承预训练模型配置。
 
----
+______________________________________________________________________
 
 ## 5. 简要总结
 
@@ -463,7 +474,7 @@ nproc_per_node
 当前工具推荐让 DeePMD-kit 通过：
 
 ```python
-use_pretrain_script=True
+use_pretrain_script = True
 ```
 
 自动继承预训练模型结构，而用户主要调当前任务相关的训练超参。

deepmd/deepmd_property_tools/README.md

@@ -53,11 +53,13 @@ DATA/
 Direct coordinate data is also supported:
 
 ```python
-clf.fit({
-    "atoms": [["C", "H", "H", "H", "H"], ["O", "H", "H"]],
-    "coordinates": [coords0, coords1],
-    "target": [0.1, 0.2],
-})
+clf.fit(
+    {
+        "atoms": [["C", "H", "H", "H", "H"], ["O", "H", "H"]],
+        "coordinates": [coords0, coords1],
+        "target": [0.1, 0.2],
+    }
+)
 ```
 
 ## Command Line
@@ -72,19 +74,19 @@ Train from CSV + MOL inputs:
 
 ```bash
 deepmd-property-tools train \
-  --dataset DATA/dataset_demo.csv \
-  --mol-dir DATA/mol_convert \
-  --save-path exp_property
+    --dataset DATA/dataset_demo.csv \
+    --mol-dir DATA/mol_convert \
+    --save-path exp_property
 ```
 
 Predict with a checkpoint file or an experiment directory:
 
 ```bash
 deepmd-property-tools predict \
-  --model exp_property \
-  --dataset DATA/dataset_demo.csv \
-  --mol-dir DATA/mol_convert \
-  --save-path pred_property
+    --model exp_property \
+    --dataset DATA/dataset_demo.csv \
+    --mol-dir DATA/mol_convert \
+    --save-path pred_property
 ```
 
 ## Notes

deepmd/deepmd_property_tools/deepmd_property_tools/__init__.py

@@ -1,7 +1,11 @@
 # SPDX-License-Identifier: LGPL-3.0-or-later
 """Uni-Mol-tools-like helpers for DeePMD property tasks."""
 
-from .predict import PropertyPredict
-from .train import PropertyTrain
+from .predict import (
+    PropertyPredict,
+)
+from .train import (
+    PropertyTrain,
+)
 
 __all__ = ["PropertyPredict", "PropertyTrain"]

deepmd/deepmd_property_tools/deepmd_property_tools/cli.py

@@ -1,13 +1,20 @@
 # SPDX-License-Identifier: LGPL-3.0-or-later
 """Command line interface for DeePMD property tools."""
 
-from __future__ import annotations
+from __future__ import (
+    annotations,
+)
 
 import argparse
-from pathlib import Path
-from typing import Sequence
+from pathlib import (
+    Path,
+)
+from collections.abc import Sequence
 
-from deepmd_property_tools import PropertyPredict, PropertyTrain
+from deepmd_property_tools import (
+    PropertyPredict,
+    PropertyTrain,
+)
 
 
 def build_parser() -> argparse.ArgumentParser:
@@ -25,21 +32,45 @@ def build_parser() -> argparse.ArgumentParser:
     subparsers = parser.add_subparsers(dest="command")
 
     train_parser = subparsers.add_parser("train", help="Train a property model")
-    train_parser.add_argument("--dataset", required=True, type=Path, help="CSV dataset path")
-    train_parser.add_argument("--mol-dir", required=True, type=Path, help="MOL directory path")
-    train_parser.add_argument("--save-path", required=True, type=Path, help="Experiment output directory")
-    train_parser.add_argument("--property-col", default="Property", help="CSV property column")
-    train_parser.add_argument("--property-name", default="Property", help="DeePMD property name")
-    train_parser.add_argument("--finetune", default=None, help="Pretrained model name or path")
-    train_parser.add_argument("--numb-steps", type=int, default=None, help="Number of training steps")
-    train_parser.add_argument("--batch-size", type=int, default=None, help="Training batch size")
+    train_parser.add_argument(
+        "--dataset", required=True, type=Path, help="CSV dataset path"
+    )
+    train_parser.add_argument(
+        "--mol-dir", required=True, type=Path, help="MOL directory path"
+    )
+    train_parser.add_argument(
+        "--save-path", required=True, type=Path, help="Experiment output directory"
+    )
+    train_parser.add_argument(
+        "--property-col", default="Property", help="CSV property column"
+    )
+    train_parser.add_argument(
+        "--property-name", default="Property", help="DeePMD property name"
+    )
+    train_parser.add_argument(
+        "--finetune", default=None, help="Pretrained model name or path"
+    )
+    train_parser.add_argument(
+        "--numb-steps", type=int, default=None, help="Number of training steps"
+    )
+    train_parser.add_argument(
+        "--batch-size", type=int, default=None, help="Training batch size"
+    )
     train_parser.set_defaults(func=_run_train)
 
     predict_parser = subparsers.add_parser("predict", help="Predict properties")
-    predict_parser.add_argument("--model", required=True, type=Path, help="Model file or experiment directory")
-    predict_parser.add_argument("--dataset", required=True, type=Path, help="CSV dataset path")
-    predict_parser.add_argument("--mol-dir", required=True, type=Path, help="MOL directory path")
-    predict_parser.add_argument("--save-path", default=None, type=Path, help="Prediction output directory")
+    predict_parser.add_argument(
+        "--model", required=True, type=Path, help="Model file or experiment directory"
+    )
+    predict_parser.add_argument(
+        "--dataset", required=True, type=Path, help="CSV dataset path"
+    )
+    predict_parser.add_argument(
+        "--mol-dir", required=True, type=Path, help="MOL directory path"
+    )
+    predict_parser.add_argument(
+        "--save-path", default=None, type=Path, help="Prediction output directory"
+    )
     predict_parser.set_defaults(func=_run_predict)
 
     return parser

deepmd/deepmd_property_tools/deepmd_property_tools/config/__init__.py

@@ -1,6 +1,8 @@
 # SPDX-License-Identifier: LGPL-3.0-or-later
 """Configuration helpers for deepmd_property_tools."""
 
-from .config_handler import ConfigHandler
+from .config_handler import (
+    ConfigHandler,
+)
 
 __all__ = ["ConfigHandler"]

deepmd/deepmd_property_tools/deepmd_property_tools/config/config_handler.py

@@ -1,23 +1,35 @@
 # SPDX-License-Identifier: LGPL-3.0-or-later
 """JSON config handler."""
 
-from __future__ import annotations
+from __future__ import (
+    annotations,
+)
 
 import copy
 import json
-from pathlib import Path
-from typing import Any
+from pathlib import (
+    Path,
+)
+from typing import (
+    Any,
+)
 
 
 class ConfigHandler:
     def __init__(self, config_path: str | Path | None = None) -> None:
-        self.config_path = Path(config_path) if config_path else Path(__file__).with_name("default.json")
+        self.config_path = (
+            Path(config_path)
+            if config_path
+            else Path(__file__).with_name("default.json")
+        )
 
     def read(self) -> dict[str, Any]:
         return json.loads(self.config_path.read_text(encoding="utf-8"))
 
     def write(self, data: dict[str, Any], out_file_path: str | Path) -> None:
-        Path(out_file_path).write_text(json.dumps(data, indent=2) + "\n", encoding="utf-8")
+        Path(out_file_path).write_text(
+            json.dumps(data, indent=2) + "\n", encoding="utf-8"
+        )
 
     @staticmethod
     def merge(base: dict[str, Any], updates: dict[str, Any] | None) -> dict[str, Any]:

deepmd/deepmd_property_tools/deepmd_property_tools/config/default.json

@@ -38,14 +38,21 @@
       "property_name": "Property",
       "intensive": true,
       "task_dim": 1,
-      "neuron": [240, 240, 240],
+      "neuron": [
+        240,
+        240,
+        240
+      ],
       "resnet_dt": true,
       "seed": 1
     }
   },
   "loss": {
     "type": "property",
-    "metric": ["mae", "rmse"],
+    "metric": [
+      "mae",
+      "rmse"
+    ],
     "loss_func": "smooth_mae",
     "beta": 1.0
   },