进入NCBI，search点击Genomes勾选，DownloadPackage,选择基因组注释文件，有GFF、GTF两种格式这样就可以直接下载基因组注释文件啦如何得到基因组注释文件的链接？点击ASM81732v1点击legacyAssemblypage有两个数据库可以选择，这里选用了RefSeq右键选择你想要的文件，就可以打开链接或者直接复制链接啦下载wgethttps://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/000/817/325/GCA_000817325.1_ASM81732v1/GCA_000817325.1_ASM81732v1_genomic

 问题：使用matplotlib绘制3d散点图时报错ax=fig.gca(projection='3d')TypeError:gca()gotanunexpectedkeywordargument'projection'解决：改成如下代码即可运行ax=fig.add_subplot(projection='3d')

最近在学习tensorflow，其中有使用matplotlib画一个3d图像的练习。跑代码时遇到以下问题TypeError:FigureBase.gca()gotanunexpectedkeywordargument'projection我发现是Axes3D函数没有用到（图中第5行），通过查询并实验网上的一些解决方法后，现记录一下解决方法：ax=fig.gca(projection='3d')                                #原来的代码ax=fig.add_axes(Axes3D(fig))                            #改正后的代码实

我用一个技巧来drawacolorbarwhoseheightmatchesthemasteraxes.代码是这样的importmatplotlib.pyplotaspltfrommpl_toolkits.axes_grid1importmake_axes_locatableimportnumpyasnpax=plt.subplot(111)im=ax.imshow(np.arange(100).reshape((10,10)))#createanaxesontherightsideofax.Thewidthofcaxwillbe5%#ofaxandthepaddingbetweenc

论文标题：GraphContrastiveLearningwithAdaptiveAugmentation论文链接：https://arxiv.org/abs/2010.14945论文来源：WWW2021一、概述图对比学习中的数据增强在近来的方法中被证明是一个关键的部分，然而对于图数据增强的方法的研究却是不充分的。对于图像和文本来说，数据增强有很多种方式，然而对于图数据来说，数据增强是不容易的，这是由图数据的非欧几里得特性引起的。本文认为过去的图数据增强方法有两个缺点：①简单的数据增强，比如DGI中的特征打乱，对于生成节点多样化的邻域（也就是上下文）是不充分的，尤其是节点特征较为稀疏时，会导致

论文标题：GraphContrastiveLearningwithAdaptiveAugmentation论文链接：https://arxiv.org/abs/2010.14945论文来源：WWW2021一、概述图对比学习中的数据增强在近来的方法中被证明是一个关键的部分，然而对于图数据增强的方法的研究却是不充分的。对于图像和文本来说，数据增强有很多种方式，然而对于图数据来说，数据增强是不容易的，这是由图数据的非欧几里得特性引起的。本文认为过去的图数据增强方法有两个缺点：①简单的数据增强，比如DGI中的特征打乱，对于生成节点多样化的邻域（也就是上下文）是不充分的，尤其是节点特征较为稀疏时，会导致