WebUI_demo_CN.md

快速Demo指南

本文档提供了一个全面的指南，帮助您快速了解VenusFactory的主要功能，并在一个蛋白质可溶性预测的Demo数据集上进行微调训练、评估和预测。

1. 环境准备

在开始之前，请确保您已成功安装 VenusFactory 并正确配置了相应的环境和 Python 依赖包。如果尚未安装，请参考 README.md 中的 ✈️ Requirements 章节进行安装。

2. 启动 Web 界面

在命令行中输入以下命令，启动 Web UI：

python src/webui.py

3. 训练（Training Tab）

3.1 选择预训练模型

在 Protein Language Model 选项中选择合适的预训练模型。建议从 ESM2-8M 开始，该模型计算成本较低，便于快速上手。

3.2 选择数据集

在 Dataset Configuration 选项中，选择 Demo_Solubility 数据集（默认选项）。点击 Preview Dataset 按钮可预览数据集内容。

3.3 设定任务参数

• Problem Type、Number of Labels 和 Metrics 选项会在选择 Pre-defined Dataset 时自动填充。

• Batch Processing Mode 建议选择 Batch Token Mode，以避免蛋白质序列长度方差过大导致批处理不均。

• Batch Token 推荐设为 4000，若出现 CUDA 内存不足错误，可适当减小该值。

3.4 选择训练方法

在 Training Parameters 选项中：

• Training Method 为关键选择项。本 Demo 数据集暂不支持 SES-Adapter 方法（因缺乏结构序列信息）。

• 可选择 Freeze 方法，仅微调分类头，或采用 LoRA 方法进行高效参数微调。

3.5 开始训练

• 点击 Preview Command 预览命令行脚本。

• 点击 Start 启动训练，Web 界面会显示模型的统计信息和实时训练监控。

• 训练完成后，界面会展示模型在测试集上的 Metrics，用于评估模型效果。

4. 评估（Evaluation Tab）

4.1 选择模型路径

在 Model Path 选项中，输入训练完成的模型路径（ckpt 根目录下）。确保选择的 PLM 和 method 与训练时一致。

4.2 评估数据集加载规则

• 评估系统会自动加载相应数据集的测试集。
• 若找不到测试集，则按照 验证集 → 训练集 的顺序加载数据。
• 上传到 Hugging Face 的自定义数据集：
  • 若仅上传单个 CSV 文件，评估系统会自动加载该文件，不受命名影响。
  • 若上传训练集、验证集和测试集，请确保文件命名准确。

4.3 启动评估

点击 Start Evaluation 进行评估。

示例模型
本项目提供了一个已经在 Demo_Solubility 数据集上使用 Freeze 方法训练的模型 demo_provided.pt，可直接用于评估。

5. 预测（Prediction Tab）

5.1 单序列预测（Sequence Prediction）

输入单个氨基酸序列，即可直接进行可溶性预测。

5.2 批量预测（Batch Prediction）

• 通过上传 CSV 文件，可批量预测蛋白质的可溶性，并下载结果（CSV 格式）。

6. 下载（Download Tab）

有关 Download Tab 的详细使用说明和示例，请参考 Manual Tab 中的 Download 章节。