一种深度学习任务运行方法、装置、介质及产品

    公开(公告)号:CN118428489A

    公开(公告)日:2024-08-02

    申请号:CN202410587245.2

    申请日:2024-05-13

    Applicant: 南开大学

    Abstract: 本发明公开一种深度学习任务运行方法、装置、介质及产品,涉及深度学习技术领域,方法包括:创建一个能够满足运行环境信息和运行资源信息的Docker容器,在Docker容器中运行深度学习任务代码,同时在守护进程发现运行深度学习任务代码的子进程已结束时,查询子进程的执行状态,当子进程异常退出时重新开始在Docker容器中运行深度学习任务代码,从而将一个深度学习任务放置在一个独立的Docker容器中运行,使不同的深度学习任务在不同的运行环境下运行,实现运行环境的个性化配置,通过守护进程检测的方式确保深度学习任务的正常执行。

    基于高斯混合图变分自编码器的深度无监督单细胞聚类方法

    公开(公告)号:CN114783526A

    公开(公告)日:2022-07-22

    申请号:CN202210506799.6

    申请日:2022-05-11

    Applicant: 南开大学

    Inventor: 曾婉雯 张爽 范蕊

    Abstract: 本发明公开一种基于高斯混合图变分自编码器的深度无监督单细胞聚类方法,使用蛋白质‑蛋白质相互作用关系PPIs(或调控元件相互作用HiChIP)初始化基因调控网络A;使用K‑means方法初始化每个细胞的细胞聚类C;令基因调控网络A、单细胞基因表达数据X(或调控元件开放程度数据X)通过图编码器得到隐层;获得细胞聚类C,从高斯混合模型GMM中采样得到细胞低维表示Z:使用解码器预测基因调控网络A;计算损失函数,反向传播更新A、GCN,重复上述步骤,直至收敛;输出基因调控网络A,细胞低维表示Z,细胞聚类C。本发明在构建基因调控网络A的过程中完成对细胞的聚类和细胞表示的降维。

    一种深度学习平台在web应用中的可视化方法及系统

    公开(公告)号:CN117827188A

    公开(公告)日:2024-04-05

    申请号:CN202410004305.3

    申请日:2024-01-02

    Applicant: 南开大学

    Abstract: 本发明公开一种深度学习平台在web应用中的可视化方法及系统,涉及软件工程技术领域,该方法包括.对于每一深度学习算法节点,根据拖拽指令将深度学习算法节点拖拽至画布中,利用Antv g6工具构建深度学习算法节点的行为模式;行为模式包括节点自由拖拽、节点选中状态和节点相互关联;基于深度学习算法节点的行为模式,对深度学习算法节点执行相应的操作,根据深度学习算法节点的行为模式,对深度学习算法节点的参数信息进行修改和保存,构建得到深度学习模型,最后运行深度学习模型,得到深度学习模型运行的文字信息以及图表信息,本发明可快速地为用户展示深度学习模型的流程以及结果,为用户提供良好的体验。

    一种深度学习模型搭建平台权限登录管理方法及系统

    公开(公告)号:CN117852079A

    公开(公告)日:2024-04-09

    申请号:CN202410003071.0

    申请日:2024-01-02

    Applicant: 南开大学

    Abstract: 本发明公开一种深度学习模型搭建平台权限登录管理方法及系统,涉及软件工程技术领域,该方法包括响应于用户端的登录请求,获取用户端对应的角色权限列表,获取用户登录深度学习平台时生成的用户标识,获取操作页面,在用户端操作时,根据用户标识和用户请求接口判断用户端是否合法,并根据角色权限列表判断用户端是否拥有操作请求对应的权限,若是,则向用户端发送操作请求对应的数据,以构建深度学习模型。本发明通过两次权限判定,即用户端是否合法和用户端是否拥有操作请求对应的权限,提高了安全性,同时保持用户登录和权限管理过程的便捷性和友好性。

    基于高斯混合图变分自编码器的深度无监督单细胞聚类方法

    公开(公告)号:CN114783526B

    公开(公告)日:2024-12-03

    申请号:CN202210506799.6

    申请日:2022-05-11

    Applicant: 南开大学

    Inventor: 曾婉雯 张爽 范蕊

    Abstract: 本发明公开一种基于高斯混合图变分自编码器的深度无监督单细胞聚类方法,使用蛋白质‑蛋白质相互作用关系PPIs(或调控元件相互作用HiChIP)初始化基因调控网络A;使用K‑means方法初始化每个细胞的细胞聚类C;令基因调控网络A、单细胞基因表达数据X(或调控元件开放程度数据X)通过图编码器得到隐层;获得细胞聚类C,从高斯混合模型GMM中采样得到细胞低维表示Z:使用解码器预测基因调控网络A;计算损失函数,反向传播更新A、GCN,重复上述步骤,直至收敛;输出基因调控网络A,细胞低维表示Z,细胞聚类C。本发明在构建基因调控网络A的过程中完成对细胞的聚类和细胞表示的降维。

    一种web自动化测试框架
    6.
    发明公开

    公开(公告)号:CN117971651A

    公开(公告)日:2024-05-03

    申请号:CN202311832857.5

    申请日:2023-12-28

    Applicant: 南开大学

    Abstract: 本发明公开了一种web自动化测试框架,所述自动化测试框架基于selenium driver、pytest、allure、jenkins实现,使用selenium driver插件自动生成web测试用例;重写selenium类,得到修改后的web测试用例;运行修改后的web测试用例:利用重新编写的WebDriver_nki类实现页面自动截取,将所截取到的网页页面导入allue测试报告中;手动触发测试:人工检查截取到的网页页面,判断页面是否正确跳转,测试完成后自动将结果发送给测试人员。本发明提供了简便的测试用例编写,减轻了用例维护和管理的工作量;集成了allure报告生成功能。

Patent Agency Ranking