28244-94-2,4-Methylphenyl 2,3,4,6-Tetra-O-acetyl-β-D-thioglucopyranoside的分子量简介

本文介绍了一种有机化合物——4-甲基苯基2,3,4,6-四-O-乙酰基-β-D-硫代吡喃葡萄糖苷,其CASNo为28244-94-2,分子式C21H26O9S,纯度大于98%,表现为白色粉末。该物质属于糖苷类化合物,常见于化学合成和药物研究中。同时列举了相关的一系列类似结构的化合物。

英文名称:4-Methylphenyl 2,3,4,6-Tetra-O-acetyl-β-D-thioglucopyranoside

中文名称:4-甲基苯基 2,3,4,6-四-O-乙酰基-β-D-硫代吡喃葡萄糖苷

CAS No:28244-94-2

分子式: C21H26O9S

分子量: 454.49

纯  度:≥ 98%

性  状:白色粉末

结构式:

相关产品:

92659-90-0      2-[(叠氮基乙酰基)氨基]-2-脱氧-D-葡萄糖

342640-42-0     苄基 2-叠氮基-3,6-二-O-苄基-2-脱氧-β-D-吡喃葡萄糖苷

5094-33-7       4-氨基苯基 β-D-吡喃半乳糖苷

22900-11-4      N-乙酰神经氨酸甲酯

74808-09-6      2,3,4,6-四-O-苄基-α-D-吡喃葡萄糖基三氯乙酰亚胺酯

13992-26-2      2,3,4,6-四-O-乙酰基-β-D-叠氮化吡喃半乳糖

34213-34-8      甲基 2,3,4-三-O-乙酰基-β-D-葡萄糖醛酸甲酯

68733-26-6      2-叠氮-2-脱氧-D-吡喃半乳糖

935658-93-8     Ac4ManNAl

5505-63-5       D-氨基甘露糖盐酸盐

130539-43-4     乙基 2-脱氧-2-邻苯二甲酰亚胺基-β-D-硫代吡喃葡萄糖苷

3520-64-7       4-甲基苯基 四-O-乙酰基-β-D-吡喃半乳糖苷

102816-24-0     3,4,6-三-O-乙酰基-2-脱氧-2-邻苯二甲酰亚胺基-??β-D-叠氮化吡喃葡萄糖

56607-40-0      甲基 α-D-呋喃阿拉伯糖苷

53784-29-5      2,3,4,6-四-O-乙酰基-α-D-叠氮化吡喃甘露糖

28244-94-2      4-甲基苯基 2,3,4,6-四-O-乙酰基-β-D-硫代吡喃葡萄糖苷

869996-05-4     1-(2,2,2-三氟-N-苯基亚胺酯)-2,3,4-三-O-乙酰基-D-葡萄糖醛酸甲酯

7355-18-2       1,2,3,4-四-O-乙酰基-β-D-葡萄糖醛酸甲酯

1030262-99-7    2-(4-戊炔酰氨基)-2-脱氧-D-吡喃葡萄糖

494-08-6        4-(β-D-葡萄糖氧基)-3-甲氧基苯醛

1610703-09-7    N-cyclopropene-L-Lysine

66966-08-3      2,3,4,6-四-O-乙酰基-β-D-氯代葡萄糖

121584-52-9     6-[(3R,4R)-3-(乙酰氧基)-N,4-二甲基-6-氧代-L-正亮氨酸]环孢菌素A

1131610-84-8    4-甲基苯基 β-D-硫代呋喃核糖苷

27243-15-8      N-氯乙酰氧基-琥珀酰亚胺

2595-07-5       烯丙基 β-D-吡喃半乳糖苷

96996-90-6      1,2,3,4,6-五-O-苯甲酰基-D-吡喃甘露糖

361154-30-5     1,3,4,6-四-O-乙酰基-N-叠氮乙酰基氨基甘露糖

99409-32-2      乙基 3,4,6-三-O-乙酰基-2-脱氧-2-邻苯二甲酰亚胺基-β-D-硫代吡喃葡萄糖苷

956107-32-7     5-乙酰氨基-7,8,9-三-O-乙酰基-5-N,4-O-羰基-2-S-金刚烷基-2-硫代-α-神经氨酸甲酯

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值