DeePMD 旧类型嵌入se_a_tpe输入与准备
用真实氨分子能量和受力准备数据与环境，单卡提交原生训练。
阅读本篇目录
本篇演示旧类型嵌入se_a_tpe，从真实NH₃能量和原子力出发，依次完成数据准备、训练、读取结果和推断。下载完整实例包。三篇共用同一个工作目录，按顺序执行即可。
这个旧TensorFlow入口在当前版本需要使用包内训练入口。脚本只在当前训练进程中补齐一个reshape的帧数，网络、损失和数值计算仍由原生TensorFlow完成，不更改公共安装。后续训练请沿用本包bash run.sh，不要把它替换成普通dp train。冻结后的.pb可由原生接口直接读取。
1 下载与解压#
mkdir NH3-tpe
python3 -m zipfile -e nh3-deepmd-se_a_tpe-*.zip NH3-tpe
cd NH3-tpe
data是实际标签数组，inputs是完整训练输入，reference是本站实算参考，code是可读的工作流程序。
2 重建标签数组#
bash labels.sh
复用本站24个真实NH₃构型的RHF/6-31G(d)能量与解析受力，电荷0、单重态。原始16/4/4构型先划分为训练、验证、测试，再各扩展3种刚体姿态，得到48/12/12帧。构型的旋转副本不会跨越训练与测试；12个测试姿态只代表4个独立原始构型。
数据单位为坐标Å、总能量eV、原子力eV/Å。type.raw是0 1 1 1，type_map.raw是N H。nopbc表示非周期分子，调用接口时传入box=None。没有virial或原子能量训练标签。本命令只重建并核对所附数组，不会重新运行Gaussian；完整量子化学输入与选出字段也在包内。
3 准备环境#
bash setup.sh
使用公共deepmd-kit/3.2.0、Python3.12、TensorFlow2.21.0，源码环境基于GCC13.3和CUDA12.9。无需新增个人依赖；包内的维度兼容入口只在自己的训练子进程生效。
4 提交自己的新训练#
bash run.sh
默认申请P100单卡、2个CPU核、8GB内存。V10016G用户在新解压目录中运行bash run.sh v100。命令显示Slurm作业号并等待；排队时不要重复启动。已有new-work时请先保留结果，另开目录，避免覆盖。
实际流程是复制数据与完整输入→从头训练12000步→原生冻结为.pb→原生测试→分别执行GPU与CPU推断→生成自己的误差表。此次新作业只训练一个模型；不会把所附参考模型当成自己的新训练。
下一篇查看完整输入与新结果。ZIP SHA256：20a30d310d6902ffe2b5ad9e4882f4864755d7a613d47b9b8f380b804a87f513。