xzenglab / epi-dlmh Goto Github PK

In both papers，the GPU is 1080 GPU。
In SIMCNN paper， it says that “For the training procedures in sections 2.3.1 and 2.3.2, it took less than 1 hour (for 40 epochs) and about 2.5 hours (including 8 epochs for pretraining and 32 epochs for training), respectively.”
In EPI-DLMH paper，it says that "In training, times were roughly 180 h (SPEID), 120 h (SIMCNN) and 240 h (EPIANN), which are considerably longer than the running time of our model (72 h)."
So I want to learn why the time spending is so diffent.
And I also noticed that in your paper the epoch is 90, in SIMCNN it is 40.It about 2.25 times between them.

Another,SIMCNN is a simple CNN structure, your model structure has bi_gru and matching heuristics except cnn.obviously your model is more complex, but you spend less time. I would like to learn the reason.

Sincerely,PBC.

您好，阅读了您的论文，对于EPI-DLMN和SIMCNN的对比，我有一些疑惑，希望您可以抽空回复，在此感激不尽。

对于训练过程，我有以下疑问：
在您的论文中，您有提到“在每个细胞系中，我们的模型训练90个EPOCH，与现有的几种方法，如SPEID，==SIMCNN==和EPIANN==一致==”。因此，我阅读了SIMCNN的训练过程，其训练过程描述是：3.使用训练集上的增强/平衡训练训练模型4或5个Epoch，以初始化模型。4.继续使用原始的不平衡训练集对模型进行训练，持续32个Epoch。另外，您的训练过程是：“4.在Daug上训练模型。5.对模型进行Dtest检验。 在每个细胞系中，模型训练90个EPOCH”。
所以请问，“与现有的几种方法，如SPEID，SIMCNN和EPIANN一致”，具体是指什么一致？

对于对比结果我也有一些疑问：
在您的论文中：
对于AUROC，SIMCNN一行中给的数据依次是：0.937，0.924，0.941，0.946，0.951，0.967
对于AUPRC，SIMCNN一行中给的数据依次是：0.786，0.642，0.791，0.773，0.805，0.887
在SIMCNN原论文中：
对于AUROC，SIMCNN和SPEID的数据都在0.9以上
对于AUPRC，SPEID的数据在0.76-0.84之间，SIMCNN的数据在0.78-0.86之间

在您的论文中，您的表述是：“为了将我们的模型与现有的其他模型(Speid，SIMCNN，EPIANN)进行比较，我们==使用相同的数据集，遵循相同的训练过程==来构建我们的深度学习模型。”，那我的问题是：
既然数据集一样，训练过程一样，那为什么在您论文中的关于以往模型的结果，部分数据会不同程度地低于原论文中的结果呢？

我想了解您对比试验的具体细节。

希望您能在百忙之中答复我的疑惑，感激不尽。