scvi
文章平均质量分 81
生信小博士
本人声明2024年之前的内容非本人原创,仅作为记录本人的学习过程的一个平台,当时声明原创是由于平台自动默认,刚使用这个平台不太清楚,现在很多文章找不到原文链接,批量修改过于复杂,如有内容不适合发表在本博客上,对您造成影响,请及时联系我删除该内容或在文章下方声明是您的原创,不甚感激。2024年的内容为本人原创如有兴趣,可关注了解。
展开
-
scVI latent space是什么
在Representative Learning中,Latent Space能够将更加复杂形式的原始数据转化为更简单的数据表示,而更有益于去做数据处理。假设我们的原始数据集是为 5 x 5 x 1 的图像。我们将Latent Space的维度是 3 x 1,就能够将一张图片压缩成一个3维数据点,而这个三维数据点就可以在三维空间去可视化表示。比如下面这个可以通过对Latent Space进行插值来生成不同的面部结构,并使用deconder将Latent Space表示重构为与原始输入具有相同维度的二维图像。原创 2023-01-09 13:20:36 · 1042 阅读 · 0 评论 -
BaseException: Could not construct partition: Weight vector not the same size as the number of edges
【代码】BaseException: Could not construct partition: Weight vector not the same size as the number of edges。原创 2023-01-09 13:12:37 · 1136 阅读 · 1 评论 -
scvi doublets scvi去除双细胞 scvi.external.SOLO.from_scvi_model python 5
Solo [1] (Python class SOLO) posits a flexible generative model of scRNA-seq count data that can subsequently be used for many common downstream tasks.The advantages of Solo are:Can perform doublet detection on pre-trained SCVI modelsScalable to very large原创 2023-01-09 13:03:09 · 417 阅读 · 0 评论 -
Linux没有显卡如何保存图片单细胞分析 scanpy下查看GPU信息和使用情况 查看显卡信息 lspci | grep -i vga 使用nvidia GPU查看Linux服务器有gpu
Linux下查看GPU信息和使用情况 查看显卡信息使用nvidiaGPU可以前面的03:00:0 是显卡的代号(用的虚拟机)原创 2023-01-09 12:55:27 · 352 阅读 · 0 评论 -
python中运行scvi整合数据去除批次效应时 gpu可以加速为何GPU可以用于加速人工智能或者机器学习的计算速度(并行计算能力)
而一部分机器学习算法,比如遗传算法,神经网络等,也具有这种分布式及局部独立的特性(e.g.比如说一条神经网络中的链路跟另一条链路之间是同时进行计算,而且相互之间没有依赖的),这种情况下可以采用大量小核心同时运算的方式来加快运算速度。GPU的产生是为了解决图形渲染效率的问题,但随着技术进步,GPU越来越强大,尤其是shader出现之后(这个允许我们在GPU上编程),GPU能做的事越来越多,不再局限于图形领域,也就有人动手将其能力扩展到其他计算密集的领域,这就是GP(General Purpose)GPU。原创 2023-01-09 12:26:17 · 308 阅读 · 0 评论 -
python中使用scvi 去除批次效应 scvi整合批次效应 Integration with scVI 在python中scvi去除批次效应python4
python中使用scvi 去除批次效应 scvi整合批次效应 Integration with scVI 在python中scvi去除批次效应python4 使用注释之后的数据去除批次效应 更好的做轨迹推断 细胞分化 速率分析原创 2023-01-09 11:50:22 · 1661 阅读 · 0 评论