1. 安装 Git LFS，在 PowerShell 执行：

git lfs install

如果提示没有 git lfs，先安装 Git LFS：

winget install GitHub.GitLFS

安装完后重新打开 PowerShell，再执行：

git lfs install

2. 在你自己的目录下clone 仓库，不要用 ZIP，Bamboo-Mixer 的 data_oss 目录包含 mono_inference.json.xz、formula_inference.json.xz 等数据文件，但这些文件通过 Git LFS 管理；直接下载 GitHub ZIP 时经常只拿到指针文件。

git clone https://github.com/ByteDance-Seed/bamboo_mixer.git
cd bamboo_mixer

git lfs pull

3. 验证文件是否真的下载成功

在新仓库目录执行：

Get-Content data_oss\mono_inference.json.xz -TotalCount 1

Get-Item data_oss\mono_inference.json.xz | Select-Object Name, Length

正确情况下，PowerShell 可能显示乱码，或者看不出文本内容；如果只有几十到几百字节，大概率还是 LFS 指针文件。

4. 然后再解压数据集

mkdir run -ErrorAction SilentlyContinue

python -c "import lzma, shutil; shutil.copyfileobj(lzma.open(r'data_oss\mono_inference.json.xz', 'rb'), open(r'run\mono_inference.json', 'wb'))"

python -c "import lzma, shutil; shutil.copyfileobj(lzma.open(r'data_oss\formula_inference.json.xz', 'rb'), open(r'run\formula_inference.json', 'wb'))"

python -c "import lzma, shutil; shutil.copyfileobj(lzma.open(r'data_oss\mono_data.json.xz', 'rb'), open(r'run\mono_data.json', 'wb'))"

检查一下run目录下是否有数据集文件

5.安装运行环境，如果有就忽略，代码要求python3.9以上的版本支持，如果没有最好创建一个，这里使用conda虚拟环境安装python3.11：

conda create -n bamboo python=3.11 -y
conda activate bamboo

如果powershell不支持conda activate bamboo

6.安装完成后这里直接在pycharm里面配置即可

7.然后在新环境里面安装依赖：

先升级 pip：

python -m pip install -U pip setuptools wheel

然后装项目依赖：

python -m pip install -r requirements.txt

如果 requirements.txt 里 PyTorch 安装很慢或失败，可以先装基础依赖：

python -m pip install ase==3.22.1 einops==0.8.1 h5py==3.10.0 matplotlib==3.8.3 networkx==3.2.1 numpy==1.26.2 packaging==24.0 pandas==2.2.1 Pillow==9.3.0 PyYAML==6.0.1 rdkit==2023.9.6 scikit-learn==1.5.2 tqdm==4.66

再装 PyTorch / PyG：

python -m pip install torch~=2.7.0 torch-geometric~=2.7.0

这里直接按照requirement安装：

8.直接运行数据预处理：

python scripts/prepare_data/prepare_data.py `
  --conf config/prepare_data/train_predictor_mono_config.yaml `
  --data_type mono

如果出现：

这是标准的导入路径问题：用 python scripts/... 启动脚本，Python 当前搜索路径会偏向 scripts\prepare_data，不会自动把仓库根目录当作包路径

在 同一个 PowerShell 窗口 里，先执行下面这几行：

cd G:\bamboo_mixer

$env:PYTHONPATH = (Get-Location).Path

python -c "import sys, os; print('cwd =', os.getcwd()); print('PYTHONPATH =', os.environ.get('PYTHONPATH')); import bamboo_mixer; print('bamboo_mixer =', bamboo_mixer.__file__)"

如果出现：

就成功啦！每次在终端运行前都要加：

$env:PYTHONPATH = (Get-Location).Path

python -c "import sys, os; print('cwd =', os.getcwd()); print('PYTHONPATH =', os.environ.get('PYTHONPATH')); import bamboo_mixer; print('bamboo_mixer =', bamboo_mixer.__file__)"

9.继续运行数据预处理：

先跑单分子数据预处理：

python scripts/prepare_data/prepare_data.py `
  --conf config/prepare_data/train_predictor_mono_config.yaml `
  --data_type mono

完成后在run/mono/preprocess目录下应该能看到四个文件

然后跑单分子推理数据预处理：

python scripts/prepare_data/prepare_data.py `
  --conf config/prepare_data/inference_predictor_mono_config.yaml `
  --data_type mono

然后下载 HuggingFace checkpoint：

首先安装下载工具：

python -m pip install -U huggingface_hub -i https://pypi.org/simple

然后下载模型仓库：

$hf = "E:\develop\anaconda3\envs\bamboo\Scripts\hf.exe"

& $hf download ByteDance-Seed/bamboo_mixer ckpts/mono/optimal.pt --repo-type model --local-dir hf_bamboo_mixer

然后复制到项目需要的位置：

mkdir run\mono -ErrorAction SilentlyContinue
Copy-Item hf_bamboo_mixer\ckpts\mono\optimal.pt run\mono\optimal.pt
Test-Path run\mono\optimal.pt

进行预测：

python scripts/test_results/predict_mono.py `
  --conf config/test_results/mono_config.yaml

预测完成后查看结果：

Get-Content run\mono\test_results\output_mono.json

最后跑电解液配方推理数据预处理：

python scripts/prepare_data/prepare_data.py `
  --conf config/prepare_data/inference_predictor_formula_config.yaml `
  --data_type formula

通常会出现：

这是因为官方 config/prepare_data/inference_predictor_formula_config.yaml 当前只包含 json_path、save_dir、key_map，没有 kwargs.include_emb，所以直接报 KeyError。也就是说，这是 配置项缺失，不是数据问题。

解决方法：

用 Python 重新写无 BOM 配置：

$py = "E:\develop\anaconda3\envs\bamboo\python.exe"
$env:PYTHONPATH = "G:\bamboo_mixer"

@'
from pathlib import Path

content = """json_path: run/formula_inference.json
save_dir: run/formula/inference_preprocess
key_map:
  concentration: salt_molar_ratio
  temperature: temperature
kwargs:
  include_emb: false
"""

Path(r"config\prepare_data\inference_predictor_formula_config.yaml").write_text(content, encoding="utf-8")
'@ | & $py -

验证 Python 读到的键名:

& $py -c "import yaml; d=yaml.safe_load(open(r'config\prepare_data\inference_predictor_formula_config.yaml', encoding='utf-8')); print(d); print([repr(k) for k in d.keys()])"

应该看到：

清理上次失败的配方预处理目录：

Remove-Item run\formula\inference_preprocess -Recurse -Force -ErrorAction SilentlyContinue

重新跑配方预处理：

python scripts/prepare_data/prepare_data.py `
  --conf config/prepare_data/inference_predictor_formula_config.yaml `
  --data_type formula

成功后就能看见：

然后创建模型目录：

mkdir run\formula\finetune_wd -ErrorAction SilentlyContinue

然后下载模型文件：

& $hf download ByteDance-Seed/bamboo_mixer ckpts/formula/optimal.pt --repo-type model --local-dir hf_bamboo_mixer

Get-ChildItem hf_bamboo_mixer\ckpts\formula

复制到程序需要的位置：

Copy-Item hf_bamboo_mixer\ckpts\formula\optimal.pt run\formula\finetune_wd\optimal.pt

运行转换脚本：

@'
import torch
from pathlib import Path

src = Path(r"run\formula\finetune_wd\optimal_original.pt")
dst = Path(r"run\formula\finetune_wd\optimal.pt")

ckpt = torch.load(src, map_location="cpu", weights_only=False)
sd = ckpt["model_state_dict"]

def map_head(rest: str) -> str:
    if rest.startswith("sigma."):
        return "Asigma0." + rest[len("sigma."):]
    if rest.startswith("A."):
        return "B." + rest[len("A."):]
    if rest.startswith("B."):
        return "D." + rest[len("B."):]
    return rest

new_sd = {}

for k, v in sd.items():
    if k.startswith("readout_conductivity."):
        rest = k[len("readout_conductivity."):]
        mapped = map_head(rest)

        pred_key = "readout_pred." + mapped
        ne_key = "readout_ne." + mapped

        new_sd[pred_key] = v
        new_sd[ne_key] = v
    else:
        new_sd[k] = v

ckpt["model_state_dict"] = new_sd
torch.save(ckpt, dst)

print("saved:", dst)
print("old keys:", len(sd))
print("new keys:", len(new_sd))
'@ | & $py -

然后运行预测：

python scripts/test_results/predict_formula.py `
  --conf config/test_results/predict_config.yaml

查看结果：

Get-Content run\formula\inference_output_test.json

基本的流程就已经完成了

1. 单分子数据预处理
2. 单分子性质预测
3. 配方数据预处理
4. 配方性质预测

最后检查一次输出文件

Test-Path run\mono\test_results\output_mono.json
Test-Path run\formula\inference_output_test.json

两个都返回 True 就说明预测结果都生成了。

单分子预测结果：

字段	含义
Tm	熔点
bp	沸点
nD	折射率
nD_liquid	液相折射率
pka_a	酸性 pKa
pka_b	碱性 pKa
density	密度
dc	介电常数
vis	黏度
ST	表面张力
vapP	蒸气压

配方预测结果：

字段	含义
conductivity_pred	预测离子电导率
anion_ratio_pred	预测阴离子迁移相关比例
vis	预测黏度相关值
sigma0, n1, n2, A, B, T0	模型输出的拟合/中间参数

按 conductivity_pred 看：

排名	conductivity_pred	简述
1	25.2300	MA / EA / DOL / DEM + FSI
2	23.3194	MA / EA / EGDEE / DEM + FSI
3	20.6782	MA / EA / DOL / MTFA + PF6 / FSI
4	19.1272	MA / DEC / EA / EMC + FSI
5	18.9492	PC / MA / EA / DOL / DEM / DMM + PF6 / FSI

所以从这 10 个样例里，模型预测电导率最高的是这一组：

solvents:
MA 0.1222
EA 0.4000
DOL 0.3000
DEM 0.1778

salts:
FSI 1.0

temperature: 20.0
salt_molar_ratio: 0.1
conductivity_pred: 25.2300

如果想更方便看排序结果，可以执行：

& $py -c "import json, pandas as pd; data=json.load(open(r'run\formula\inference_output_test.json')); rows=[]; [rows.append({'idx':i+1,'temperature':x['temperature'],'salt_molar_ratio':x['salt_molar_ratio'],'conductivity_pred':x['conductivity_pred'],'anion_ratio_pred':x['anion_ratio_pred'],'vis':x['vis'],'solvents':'; '.join([s['name']+':'+str(round(s['molar_ratio'],4)) for s in x['solvents']]),'salts':'; '.join([s['name']+':'+str(round(s['molar_ratio'],4)) for s in x['salts']])}) for i,x in enumerate(data)]; df=pd.DataFrame(rows).sort_values('conductivity_pred', ascending=False); df.to_csv(r'run\formula\formula_results_sorted.csv', index=False, encoding='utf-8-sig'); print(df)"

生成文件：run\formula\formula_results_sorted.csv

后面如果要预测自己的配方，只需要改：run\formula_inference.json

然后重新跑配方预处理和 predict_formula.py