当执行深处发生错误且您需要回溯查找原始触发因素时使用 - 系统地通过调用堆栈向后追踪错误，必要时添加工具，以识别无效数据或不正确行为的来源
你将成为
适用于以下场景
使用图神经网络模型预测药物类特性，用于早期毒性筛选。
分析蛋白质结构与相互作用，以进行靶点识别。
使用生成模型设计新药分子，用于从头药物发现。
使用机器学习驱动的逆合成优化药物候选分子的合成路线。
装备后的数字
经过验证的优势和可衡量的影响
利用预训练的图神经网络（GNN），将属性预测时间从数周缩短至数小时。
访问40多个精心整理的数据集，可立即进行模型训练和基准测试。
利用优化的PyTorch工作流，降低计算成本。
装备内容
文件、标签与三步安装
提示： 首次使用前请阅读文档与代码，确认它的功能和所需权限。
接着演下去
基于标签和分类的推荐