目录AbstractTrainPreProcessArchitectureBackboneNeckHeadLossDiceLossSmoothL1LossInferPostProcess写在前面：基于PaddleOCR代码库对其中所涉及到的算法进行代码简读，如果有必要可能会先研读一下原论文。Abstract论文链接：arxiv应用场景：文本检测代码配置文件：configs/det/det_r50_vd_east.ymlTrainPreProcessclassEASTProcessTrain(object):def__init__(self,image_shape=[512,512],backg
目录AbstractTrainPreProcessArchitectureBackboneNeckHeadLossDiceLossSmoothL1LossInferPostProcess写在前面：基于PaddleOCR代码库对其中所涉及到的算法进行代码简读，如果有必要可能会先研读一下原论文。Abstract论文链接：arxiv应用场景：文本检测代码配置文件：configs/det/det_r50_vd_east.ymlTrainPreProcessclassEASTProcessTrain(object):def__init__(self,image_shape=[512,512],backg
本文是使用redis代替数据库经纬度查询，由于数据库经纬度让数据库去做运算影响性能所以下面就介绍了用redis去使用redis中提供了geo类，使用就行了 $redis=newredis();$redis->connect('127.0.0.1',6379,1);//短链接，本地host，端口为6379，超过1秒放弃链接//$arr=['aa','bb'];//$redis->lPush('aaaaa',...$arr);//-157.858,21.306,"Honolulu",-156.331,20.798,"Maui"//添加地理位置的坐标。//批量|单个//$arr=[117.22431
本文是使用redis代替数据库经纬度查询，由于数据库经纬度让数据库去做运算影响性能所以下面就介绍了用redis去使用redis中提供了geo类，使用就行了 $redis=newredis();$redis->connect('127.0.0.1',6379,1);//短链接，本地host，端口为6379，超过1秒放弃链接//$arr=['aa','bb'];//$redis->lPush('aaaaa',...$arr);//-157.858,21.306,"Honolulu",-156.331,20.798,"Maui"//添加地理位置的坐标。//批量|单个//$arr=[117.22431
找出文章GSE号，修改后缀即可。https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE24673使用RStudio小tips：新建文件夹拷贝project文件可以在R中快速定位文件夹位置。很方便。1下载原始数据RAW.tar。（并不推荐）image.pngRAW.tar使用affymetix包处理。不同数据库使用的R包也不一样。2下载表达矩阵Matrix。（推荐）image.png使用函数读取：a3在R中直接读取。（也和网络有关，不过我还是倾向第二种方法，下述代码仅作示例）##安装包source("http://www.bioconduct
找出文章GSE号，修改后缀即可。https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE24673使用RStudio小tips：新建文件夹拷贝project文件可以在R中快速定位文件夹位置。很方便。1下载原始数据RAW.tar。（并不推荐）image.pngRAW.tar使用affymetix包处理。不同数据库使用的R包也不一样。2下载表达矩阵Matrix。（推荐）image.png使用函数读取：a3在R中直接读取。（也和网络有关，不过我还是倾向第二种方法，下述代码仅作示例）##安装包source("http://www.bioconduct
写在前面：本文内容出自生信技能树的生信入门系列课程笔记，感谢小洁老师、Jimmy老师的分享。GEO数据挖掘分析思路：1.找数据，找到GSE编号2.下载数据（表达矩阵、临床信息、分组信息）3.数据探索（分组之间是否有差异，PCA、整个数据的热图）4.limma差异分析及可视化（P值、logFC，火山图、差异基因的热图）5.富集分析KEGG、GO注意：该标准流程只适用于表达芯片分析，甲基化、SNP等芯片的流程详见生信技能树专题。GEO表达芯片分析的要点:解决probe_id与genesymbol、样本编号GSM与分组之间的对应关系。GO富集的3个方面：1.分子功能（MolecularFunctio
写在前面：本文内容出自生信技能树的生信入门系列课程笔记，感谢小洁老师、Jimmy老师的分享。GEO数据挖掘分析思路：1.找数据，找到GSE编号2.下载数据（表达矩阵、临床信息、分组信息）3.数据探索（分组之间是否有差异，PCA、整个数据的热图）4.limma差异分析及可视化（P值、logFC，火山图、差异基因的热图）5.富集分析KEGG、GO注意：该标准流程只适用于表达芯片分析，甲基化、SNP等芯片的流程详见生信技能树专题。GEO表达芯片分析的要点:解决probe_id与genesymbol、样本编号GSM与分组之间的对应关系。GO富集的3个方面：1.分子功能（MolecularFunctio
GEO数据库下载单细胞测序原始数据如果想要分析数据库中的数据，可以从文献中获得数据的GSE号，举个例子：image.png然后到NCBINationalCenterforBiotechnologyInformation(nih.gov)搜索GSE144024，就会得到如下信息：image.png其中，GSM号为样本编号，后面有详细信息。点击SRARUNSelector，就可以看到每个样本的SRR号。image.png选择想要下载的SRR，点击selected-accessionlist，就可得到一个编号的文本文件。但是呢想要下载，还得需要借助其他软件sratools。image.pngsrat
GEO数据库下载单细胞测序原始数据如果想要分析数据库中的数据，可以从文献中获得数据的GSE号，举个例子：image.png然后到NCBINationalCenterforBiotechnologyInformation(nih.gov)搜索GSE144024，就会得到如下信息：image.png其中，GSM号为样本编号，后面有详细信息。点击SRARUNSelector，就可以看到每个样本的SRR号。image.png选择想要下载的SRR，点击selected-accessionlist，就可得到一个编号的文本文件。但是呢想要下载，还得需要借助其他软件sratools。image.pngsrat
