Multi-Samples AA

最新推荐文章于 2025-01-09 21:26:38 发布
最新推荐文章于 2025-01-09 21:26:38 发布
阅读量1.6k 收藏
点赞数
分类专栏： 图形学
【精调】MMRole ：开发和评估多模式角色扮演代理的综合框架
突围
02-22 169
"请提供一个简短的定性评估，比较两个模型的相对表现，然后给出1到10的配对定量评分，其中1表示表现差，10表示表现优秀。\n\n" "输出格式应如下:\n" "{定性评估}, [评分]: ({模型A的评分}, {模型B的评分})\n\n" "请确保您的评估是公正的，回答的顺序不会影响您的判断。"
开源运维监控系统-Nightingale（夜莺）应用实践
企业实战系列集 ●●● https://ximenjianxue.blog.youkuaiyun.com
11-27 4305
某业务系统因OS改造，原先的Zabbix监控系统推倒后未重建，本来计划用外部企业内其他监控系统接入，后又通知需要自建才能对接，考虑之前zabbix的一些不便，本次计划采用一个类Prometheus的监控系统，镜调研后发现Nightingale兼容Prometheus，又有一些其他功能增强，又在一些大的企业经过较大规模部署实践，故本次采用Nightingale作为监控系统来进行重建。
Asymmetric Loss for Multi-Label Classification
weixin_45807767的博客
03-19 633
多标签分类的不对称损失。
【我的区块链之路】- Hyperledger fabric的简单入门（一）fabric-samples的下载及自动启动网络脚本演示
qq_25870633的博客
07-20 4600
    【转载请标明出处】：https://blog.youkuaiyun.com/qq_25870633/article/details/81113464    首先声明，本作者是个水逼，没错我说的就是我自己，你们有意见？板凳直接拍你们头上。。。咳咳，废话不多说，首先这里作者在学习区块链的路上冥冥中感觉到明年，额，也就是2019年将是联盟链之年，所以这里就赶紧学习了下Fabric；首先fabric是个什么...
多智能体深度强化学习：一项综述 Multi-agent deep reinforcement learning: a survey
wq6qeg88的博客
01-11 2804
强化学习的进步在各个领域都取得了巨大的成功。尽管在这一进展中，多智能体领域已被单智能体领域所掩盖，但多智能体强化学习获得了快速的牵引力，最新的成就解决了现实世界的复杂性问题。本文概述了多智能体深度强化学习领域的当前发展。我们主要关注近年来将深度强化学习方法与多智能体场景相结合的文献。为了调查构成当代景观的作品，主要内容分为三个部分。首先，我们分析了用于训练多个智能体的训练方案的结构。其次，我们考虑了合作、竞争和混合场景中代理行为的涌现模式。
CVPR-2024-卫星遥感图像相关论文 16篇
weixin_42155685的博客
10-14 2759
文章解读: http://www.studyai.com/xueshu/paper/detail/00ffce4794文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Kuckreja_GeoChat_Grounded_Large_Vision-Language_Model_for_Remote_Sensing_CVPR_2024_paper.html)Recent advancements in Large Vision-Language
Multi-Omics Analysis Revealed the AGR-FC.C3 Locus of Brassica napus as a Novel Candidate for Control
pilot_wan的博客
01-09 681
油菜（Brassica napus）花瓣颜色的变异对其观赏价值至关重要，但控制该性状的基因座尚未完全揭示。本研究通过对具有不同花瓣颜色的分离群体进行集群分离分析，报告了一个候选基因座AGR-FC.C3。结果表明，该基因座覆盖了9.46 Mb的基因组区域，包含951个基因。我们观察到MYB转录因子家族中的BnaC03.MYB4、BnaC03.MYB85、BnaC03.MYB73、BnaC03.MYB98和BnaC03.MYB102等基因，可能调控花瓣颜色。
redis-cli 命令详解
热门推荐
JineD的博客
04-08 1万+
命令使用: redis-cli [OPTIONS] [cmd [arg [arg ...]]] 选项说明: -h <hostname> Server hostname (default: 127.0.0.1). ip地址 -p <port> Server port (default: 6379).　服务器端口号 -s <socket> Server socket (overrides hostname an
Docker世界 -- 进阶篇(入门)
予挚之的博客
08-25 2359
一、Docker Compose 1.1 Docker Compose 介绍 1.1.1 简介： 传统的 docker 服务，我们一般通过编写 Dockerfile 文件，通过 build 命令创建一个镜像，再通过 run 命令建立一个容器。这种对于单个应用来说可能比较方便和快捷，那么假设有一个项目，包含了 100 个微服务，这 100 个微服务之间还存在相互依赖关系，那以上的方式就显得特别鸡肋，费时费力。 因此，我们可以通过 Docker Compose 来轻松高效地管理容器（定义运行多个容器）
深入剖析MSAA多重采样抗锯齿（multisample anti-aliasing）
aoxuestudy的专栏
06-16 7987
本文打算对MSAA(Multisample anti aliasing)做一个深入的讲解，包括基本的原理、以及不同平台上的实现对比（主要是PC与Mobile）。文章中难免有错误之处，如有发现，还请指证，以免误导其他人。好了，废话不多说，下面我们开始正文。 MSAA的原理 在介绍MSAA原理之前，我们先对走样（Aliasing）做个简单介绍。 Aliasing(走样) 在介绍MSAA原理之前，我们先对走样（Aliasing）做个简单介绍。在信号处理以及相关领域中，走样（混叠）在对不同的信号进行采.
计算机视觉论文-2021-06-01
中科院AI算法工程师的博客
06-01 4024
本专栏是计算机视觉方向论文收集积累，时间：2021年5月1日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） ...
# === 0. Conda环境搭建 === conda create -n sc_cellrangeranalysis python=3.10 -y conda activate sc_cellrangeranalysis conda install -c bioconda fastqc multiqc pigz csvtk wget samtools -y # 创建工作目录结构 mkdir -p sc_project/{raw_data/{rna,bcr},ref_genome,software,results,qc_reports,rna_samples/{Control,Self-DNA},bcr_samples/{Control,Self-DNA}} # 建好目录将测序数据文件（包括所有的fastq.gz和md5文件）分别放入`raw_data/rna` # raw_data/bcr`目录中 # === 1. 文件校验 ===使用MD5校验文件完整性。 echo "=== 步骤1/7: 文件校验 ===" # 转录组数据校验 cd sc_project/raw_data/rna md5sum -c *.md5 > ../../qc_reports/rna_md5.log 2>&1 # BCR数据校验 cd ../bcr md5sum -c *.md5 > ../../qc_reports/bcr_md5.log 2>&1 # 检查校验结果 if grep -q 'FAILED' ../qc_reports/*_md5.log; then echo "❌ 文件校验失败！请检查日志：" grep 'FAILED' ../qc_reports/*_md5.log exit 1 else echo "✅ 所有文件校验通过" fi # === 2. 原始数据质控 ===使用FastQC进行原始数据质量检查。 echo "=== 步骤2/7: 原始数据质控 ===" cd ../../qc_reports # 转录组质控 fastqc ../raw_data/rna/*.fastq.gz -t 12 -o rna_fastqc # 使用12线程 multiqc rna_fastqc -n rna_multiqc_report # BCR质控 fastqc ../raw_data/bcr/*.fastq.gz -t 12 -o bcr_fastqc multiqc bcr_fastqc -n bcr_multiqc_report echo "质控报告生成：" echo "转录组：sc_project/qc_reports/rna_multiqc_report.html" echo "BCR：sc_project/qc_reports/bcr_multiqc_report.html" # === 3. 文件组织 === echo "=== 步骤3/7: 文件组织 ===" cd .. # 转录组文件整理 mv raw_data/rna/Control_S87_L004_R1_001.fastq.gz rna_samples/Control/ mv raw_data/rna/Control_S87_L004_R2_001.fastq.gz rna_samples/Control/ mv raw_data/rna/Self-DNA_S86_L004_R1_001.fastq.gz rna_samples/Self-DNA/ mv raw_data/rna/Self-DNA_S86_L004_R2_001.fastq.gz rna_samples/Self-DNA/ # BCR文件整理 mv raw_data/bcr/Control_S113_L008_R1_001.fastq.gz bcr_samples/Control/ mv raw_data/bcr/Control_S113_L008_R2_001.fastq.gz bcr_samples/Control/ mv raw_data/bcr/Self-DNA_S113_L008_R1_001.fastq.gz bcr_samples/Self-DNA/ mv raw_data/bcr/Self-DNA_S113_L008_R2_001.fastq.gz bcr_samples/Self-DNA/ # 简化文件名（适配Cell Ranger） rename 's/_S\d+_L00[48]_//' rna_samples/*/*.fastq.gz rename 's/_S\d+_L00[48]_//' bcr_samples/*/*.fastq.gz # === 4. 下载安装Cell Ranger 9.0.1 === echo "=== 步骤4/7: 安装Cell Ranger 9.0.1 ===" cd software # 下载最新版Cell Ranger (tar.xz格式更小) wget -O cellranger-9.0.1.tar.xz "https://cf.10xgenomics.com/releases/cell-exp/cellranger-9.0.1.tar.xz" # 校验文件完整性 echo "540fe4256c8d12d7f701303983ed3d48 cellranger-9.0.1.tar.xz" | md5sum -c # 解压安装 tar -xvf cellranger-9.0.1.tar.xz export PATH=$(pwd)/cellranger-9.0.1:$PATH # 验证安装 cellranger --version # === 5. 下载参考基因组 === echo "=== 步骤5/7: 下载参考基因组 ===" cd ../ref_genome # 1. 转录组参考基因组（小鼠GRCm39最新版） wget "https://cf.10xgenomics.com/supp/cell-exp/refdata-gex-GRCm39-2024-A.tar.gz" echo "37c51137ccaeabd4d151f80dc86ce0b3 refdata-gex-GRCm39-2024-A.tar.gz" | md5sum -c tar -xzf refdata-gex-GRCm39-2024-A.tar.gz # 2. BCR参考基因组（使用官方GRCm38版本） wget "https://cf.10xgenomics.com/supp/cell-vdj/refdata-cellranger-vdj-GRCm38-alts-ensembl-7.0.0.tar.gz" echo "c6f41db8f67aa83b04d64ba1ae96e681 refdata-cellranger-vdj-GRCm38-alts-ensembl-7.0.0.tar.gz" | md5sum -c tar -xzf refdata-cellranger-vdj-GRCm38-alts-ensembl-7.0.0.tar.gz # 3. 创建兼容链接（解决版本不匹配问题） ln -s refdata-cellranger-vdj-GRCm38-alts-ensembl-7.0.0 refdata-cellranger-vdj-GRCm39-2024-A echo "✅ 创建兼容链接：GRCm38 -> GRCm39" # === 6. 运行Cell Ranger整合分析 === echo "=== 步骤6/7: 运行Cell Ranger整合分析 ===" cd ../results # 创建配置文件 cat > multi_config.csv <<CFG_EOF [gene-expression] reference = ../ref_genome/refdata-gex-GRCm39-2024-A chemistry = auto include-introns = true # 开启内含子（需要RNA速率分析） # 关闭内含子（include-introns = false） [vdj] reference = ../ref_genome/refdata-cellranger-vdj-GRCm39-2024-A # 使用兼容链接 include-introns = false # BCR必须关闭内含子（防止假阳性结果） [samples] rna_Control,vdj_Control rna_Self-DNA,vdj_Self-DNA [rna_Control] fastq_path = ../rna_samples/Control sample = Control [vdj_Control] fastq_path = ../bcr_samples/Control sample = Control [rna_Self-DNA] fastq_path = ../rna_samples/Self-DNA sample = Self-DNA [vdj_Self-DNA] fastq_path = ../bcr_samples/Self-DNA sample = Self-DNA CFG_EOF # 针对i7-12700KF + 64GB RAM优化参数（运行整合分析） echo "启动整合分析（预计4-8小时）..." cellranger multi \ --id=combined_results \ --csv=multi_config.csv \ --expect-cells=10000 \ --localcores=16 \ # 使用16线程（12物理核心+超线程） --localmem=58 \ # 分配52GB内存（保留12GB给系统） --mempercore=4.8 \ # 每核心3GB内存(16×3=48GB) --disable-ui \ # 关闭GUI节省资源 --maxjobs=3 \ # 控制并行任务数防止OO,防止内存溢出 --nosecondary # 跳过耗内存的二级分析 echo "✅ 分析完成！结果保存在: sc_project/results/combined_results" # === 7. 结果解读 === echo "=== 步骤7/7: 结果解读 ===" # 生成总结报告 multiqc combined_results/outs/ -n final_report # 关键结果路径 echo "" echo "================ 分析结果 ================" echo "1. 整合报告: sc_project/results/final_report.html" echo "2. Control转录组: sc_project/results/combined_results/outs/per_sample_outs/Control/count/web_summary.html" echo "3. Control BCR: sc_project/results/combined_results/outs/per_sample_outs/Control/vdj_t/vdj_control.web_summary.html" echo "4. Self-DNA转录组: sc_project/results/combined_results/outs/per_sample_outs/Self-DNA/count/web_summary.html" echo "5. Self-DNA BCR: sc_project/results/combined_results/outs/per_sample_outs/Self-DNA/vdj_t/vdj_control.web_summary.html" echo "" echo "================ 关键指标 ================" echo "转录组质量:" grep "Median Genes per Cell" combined_results/outs/per_sample_outs/*/count/web_summary.html echo "" echo "BCR质量:" grep "Cells with Productive V-J Spanning Pair" combined_results/outs/per_sample_outs/*/vdj_t/vdj_control.web_summary.html echo "==========================================" # 后续分析准备 echo "后续分析建议:" echo "1. 使用Loupe Browser打开.cloupe文件" echo "2. 克隆型分析: combined_results/outs/per_sample_outs/*/vdj_t/clonotypes.csv" echo "3. 基因表达矩阵: combined_results/outs/per_sample_outs/*/count/filtered_feature_bc_matrix.h5" EOF以上cellranger步骤是否可行、
06-26
,,sample2,/path/to/sample2,GeneExpression,,,[samples]sample_id,probe_barcode_ids,descriptionsample1,,controlsample2,,treatment```我们需要确保：-参考基因组路径正确-每个样本的FASTQ路径正确-样本的...
istio安全模块之网格内流量与网关入站流量
a605692769的博客
04-23 886
本文使用istio版本为v1.9.2。 Istio安全架构图如下： 从图中可知安全方面主要集中在以下几个方面： 终端用户基于JWT的身份认证方案； 经网关(ingress/egress)的流量安全； 网格内部的流量安全(认证，授权)； Istio自身的安全方案； 一、 网格内部流量 1. 自动双向TLS 除非显示的指定，否则通过官方的配置(default/demo等)安装的istio，均默认开启了双向TLS认证(mtls, mutual TLS)，正如"I
基于SVM算法的人民币面值识别系统：从图像处理到机器学习模型的实现与应用 · 数字图像处理
08-11
基于支持向量机(SVM)的人民币面值识别系统的设计与实现。该系统利用MATLAB GUI工具，结合数字图像处理技术和机器学习模型，能够高效识别多种面值的人民币。主要步骤包括数据集准备、图像灰度化、边缘检测、旋转矫正、形态学操作、ROI截取、加载SVM模型、面值识别及结果验证。系统目前可识别1元至100元面值，正确率达到90%以上，并可通过扩展训练数据集来提升识别精度和覆盖更多面值。 适合人群：从事图像处理、机器学习研究的技术人员，以及对人民币面值识别感兴趣的开发者。 使用场景及目标：适用于银行、自助设备、零售终端等需要快速准确识别人民币面值的场合。目标是提供一种高效、准确、易用的人民币面值识别解决方案。 其他说明：该系统不仅展示了SVM在图像分类任务中的强大能力，还通过MATLAB GUI实现了操作流程的可视化，便于用户理解和使用。未来可以通过优化算法和增加训练样本进一步提升系统性能。
ctkqiang-WangZhongZhi-62936-1753627160067.zip
08-11
点sun小白ctkqiang_WangZhongZhi_62936_1753627160067.zip
LabVIEW调用基恩士XGX8500相机实现高效画面嵌入的开源方案 权威版
08-11
如何使用LabVIEW调用基恩士XGX8500相机实现画面嵌入的技术方案。首先，文中强调了准备工作的重要性，包括安装LabVIEW及其相关驱动和SDK，获取基恩士XGX8500相机的接口文档。接着，阐述了通过调用基恩士提供的API控制相机的具体步骤，如初始化相机、设置参数、开启预览流、获取画面数据等。然后，讲解了如何将获取的画面数据嵌入到LabVIEW的程序中，通过图形界面设计使相机画面合理显示。最后，指出该方案不仅能够节省昂贵的HX软件授权费用，还因其源程序和方法的开放性，为用户提供更多定制化的可能。 适合人群：从事工业自动化、机器视觉领域的工程师和技术人员。 使用场景及目标：适用于需要集成高质量图像采集设备的工业生产和检测系统，旨在提升自动化水平和视觉信息丰富度，降低软件授权成本。 其他说明：文中附有简单代码片段，帮助读者更好地理解和实践该方案。
PANDA 真空泵 WV 1200 A、WV 1800 A 和 WV 2400 A 使用说明书.pdf
最新发布
08-11
PANDA 真空泵 WV 1200 A、WV 1800 A 和 WV 2400 A 使用说明书.pdf
基于Jenkins Pipeline实现Java项目自动化构建与发布
08-11
资源下载链接为： https://pan.quark.cn/s/22ca96b7bd39 在当今的软件开发领域，自动化构建与发布是提升开发效率和项目质量的关键环节。Jenkins Pipeline作为一种强大的自动化工具，能够有效助力Java项目的快速构建、测试及部署。本文将详细介绍如何利用Jenkins Pipeline实现Java项目的自动化构建与发布。 Jenkins Pipeline简介 Jenkins Pipeline是运行在Jenkins上的一套工作流框架，它将原本分散在单个或多个节点上独立运行的任务串联起来，实现复杂流程的编排与可视化。它是Jenkins 2.X的核心特性之一，推动了Jenkins从持续集成（CI）向持续交付（CD）及DevOps的转变。 创建Pipeline项目 要使用Jenkins Pipeline自动化构建发布Java项目，首先需要创建Pipeline项目。具体步骤如下： 登录Jenkins，点击“新建项”，选择“Pipeline”。 输入项目名称和描述，点击“确定”。 在Pipeline脚本中定义项目字典、发版脚本和预发布脚本。 编写Pipeline脚本 Pipeline脚本是Jenkins Pipeline的核心，用于定义自动化构建和发布的流程。以下是一个简单的Pipeline脚本示例： 在上述脚本中，定义了四个阶段：Checkout、Build、Push package和Deploy/Rollback。每个阶段都可以根据实际需求进行配置和调整。 通过Jenkins Pipeline自动化构建发布Java项目，可以显著提升开发效率和项目质量。借助Pipeline，我们能够轻松实现自动化构建、测试和部署，从而提高项目的整体质量和可靠性。
信捷PLC与HMI驱动的印刷机设备程序：四步进电机控制与汽缸印刷系统的开发与学习
08-11
信捷PLC与HMI驱动的印刷机设备程序，涵盖四个步进电机控制（X、Y、Z三向抓取定位放置系统）和分度转盘定位系统。程序包含详细的注释，便于理解和维护。信捷PLC采用标准工业编程语言，确保高稳定性和可靠性；HMI界面设计直观易用，增强了操作便捷性。该程序适用于表盘和电路板等印刷设备的开发，支持自动化生产和提高生产效率。 适合人群：工控爱好者、印刷设备开发者和技术人员。 使用场景及目标：①用于表盘和电路板等印刷设备的开发；②作为工控爱好者的学习参考资料；③提升自动化生产能力，优化生产流程，降低成本。 其他说明：该程序不仅为实际生产提供了技术支持，同时也帮助工控爱好者提高技术水平和实践能力。
探索mg-samples-1.3.1：最新信息技术示例
标题：“mg-samples-1.3.0”和描述“mg-samples-1.3.0 确实可用~”暗示这可能是一个软件版本号和对其可用性的简短声明。结合标签“mg-samples”，可以推测这是关于某个软件项目“mg”中的一组样本或示例代码的版本...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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