深度学习

可变剪切的预测已经很流行了，目前主要有两个流派： 用DNA序列以及variant来预测可变剪切；GeneSplicer、MaxEntScan、dbscSNV、S-CAP、MMSplice、clinVar、spliceAI 用RNA来预测可变剪切；MISO、rMATS、DARTS 前言废话 科研圈的热点扎堆现象是永远存在的，且一波接一波，大部分不屑于追热点且不…

Predicting effects of noncoding variants with deep learning–based sequence model  PDF Interpreting noncoding variants – 非常好的学习资料 这篇文章的第一个亮点就是直接从序列开始分析，第二就是使用深度学习获得了很好的预测效果。  This i…

                                            深度学习的优化算法，说白了就是梯度下降。每次的参数更新有两种方式。第一种，遍历全部数据集算一次损失函数，然后算函数对各个参数的梯度，更新梯度。这种方法每更新一次参数都要把数据集里的所有样本都看一遍，计算量开销大，计算速度慢，不支持在线学习，这称为Batch gradien…

本文的参考的github工程链接：https://github.com/laubonghaudoi/CapsNet_guide_PyTorch   之前是看过一些深度学习的代码，但是没有养成良好的阅读规范，由于最近在学习CapsNet的原理，在Github找到了一个很好的示例教程，作者甚至给出了比较好的代码阅读顺序，私以为该顺序具有较强的代码阅读迁移性，遂以…

欢迎大家前往腾讯云+社区，获取更多腾讯海量技术实践干货哦~ 本文由鹅厂优文发表于云+社区专栏 [一、前言](javascript:? 二、深度学习模型 [1. Factorization-machine（FM）](javascript:? [FM = LR+ embedding](javascript:? [2. Deep Neural Network(DN…

第2章 TensorFlow环境搭建 2.1 TensorFlow的主要依赖包 2.1.1 Protocol Buffer Protocol Buffer是谷歌开发的处理结构化数据的工具。它主要解决的问题就是如何将结构化的数据序列化，从而能够进行网络传输，然后再从序列化的数据中还原出原来的数据结构。 Protocol Buffer序列化的数据要比XML格式的…

import os import tab import tensorflow as tf from numpy.random import RandomState print “hello tensorflow 4.1” batch_size = 8 x = tf.placeholder(tf.float32,shape=(None,2),name=\’x-…

自学人工智能的第一天        “TensorFlow 是谷歌 2015 年开源的主流深度学习框架，目前已得到广泛应用。本书为 TensorFlow 入门参考书，旨在帮助读者以快速、有效的方式上手 TensorFlow 和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的 TensorFlow 示例介绍如何使用深度学习解决实际问题。书…

第三章：TensorFlow入门 TensorFlow存在计算模型，数据模型和运算模型（本文用TF代表TensorFlow） 3.1 计算模型-计算图 　3.1.1 计算图的概念 　　TensorFlow这个词Tensor表示张量，可以简单的理解为多维数组，Flow直观的表达了张量之间通过计算相互转化的过程。 　　如上图，TensorFlow中每个节点都是一…

计算图的使用 import tensorflow as tf a = tf.constant([1.0,2.0],name=”a”) b = tf.constant([2.0,3.0],name=”b”) result=a+b print(a.graph is tf.get_default_graph()) import tensorflow as tf g…