当前位置：首页 > news >正文

cellphoneDB进行CCI以及可视化

news 来源：原创 2025/7/22 5:52:55

除了cellchat，在单细胞转录组或者空间组的分析中，cellphoneDB也是一个常用的细胞通讯软件，这个数据库更注重配受体关系，对于有明确先验知识的配受体研究比较友好。

但值得注意的是，它的数据库只包括人的基因名称信息，所以在开始前，可以参考biomaRt进行同源基因转换-CSDN博客转换物种的同源基因名称

导入环境

import numpy as np
import pandas as pd
import scanpy as sc
import os
import sys
from scipy import sparsefrom cellphonedb.src.core.methods import cpdb_statistical_analysis_method
import os
import anndata as ad
import pandas as pd
import ktplotspy as kpy
import matplotlib.pyplot as plt
%matplotlib inline

ktplotspy是利用cellphoneDB结果进行后续可视化的一个R包，安装可见GitHub - zktuong/ktplotspy: Python library for plotting Cellphonedb results. Ported from ktplots R package.

同源基因转换

adata = sc.read('/data/work/your_scRNA.h5ad')gene_names = adata.var_names.tolist()
gene_names_df = pd.DataFrame(gene_names, columns=['gene_name'])
gene_names_df.to_csv('adata_gene_names.csv', index=False)#biomart转换后得到新的csvreplacement_df = pd.read_csv('mouse_homologous_gene_conversion.csv')
replacement_df.columns = ['Gene.name', 'Gene.name.1','Chromosome.scaffold.name']
gene_mapping = dict(zip(replacement_df['Gene.name'], replacement_df['Gene.name.1']))new_gene_names = [gene_mapping.get(gene, None) for gene in gene_names]# 仅保留有对应人类基因名的基因
valid_indices = [i for i, gene in enumerate(new_gene_names) if gene is not None]
filtered_adata = adata[:, valid_indices]
filtered_adata.var_names = [new_gene_names[i] for i in valid_indices]filtered_adata.obs.index = filtered_adata.obs.index.astype(str)
filtered_adata.var.index = filtered_adata.var.index.astype(str)
filtered_adata.write_h5ad('your_new_scRNA.h5ad')

保存替换完同源基因的anndata对象后可以重新读取，进行后续的分析，这里没有对应的同源基因被我过滤掉了（如果有更全面的分析需求可以注意一下这一点）

提取注释标签

#重新读取同源替换后的数据
sc.pp.normalize_total(adata)
sc.pp.log1p(adata)adata.shape#检查数据大小
adata.obs['annotation'].values.describe()#检查注释信息adata.obs['barcode_sample']=list(adata.obs_names)
adata.obs['annotation']=adata.obs['annotation'].astype(str)
adata.obs['cell_type']=list(adata.obs['annotation'])
meta=adata.obs.loc[:,['barcode_sample','cell_type']]
meta.to_csv('bin50_meta.tsv', sep = '\t')
#检查对应
list(adata.obs.index).sort() == list(df_meta['barcode_sample']).sort()

提取后续分析需要的注释信息表，其中'barcode_sample'是细胞唯一标识符，'annotation'是我的注释信息存放的列，导出为bin50_meta.tsv

运行cellphoneDB

设置好数据库路径，注释信息表路径，标准化后的anndata对象路径以及输出路径。

我是直接将v5数据库下载使用，因为我的环境不能联网，在线下载可能会方便很多，网上有很多教程。直接下载的路径见GitHub - ventolab/cellphonedb-data

cpdb_file_path = '/data/work/CCI_cellphoneDB/cellphonedb.zip'
meta_file_path = '/data/work/CCI_cellphoneDB/bin50_meta.tsv'
counts_file_path = '/data/work/CCI_cellphoneDB/bin50_annotated_normlog.h5ad'
out_path = '/data/work/CCI_cellphoneDB/bin50'cpdb_results = cpdb_statistical_analysis_method.call(cpdb_file_path = cpdb_file_path,                 # mandatory: CellphoneDB database zip file.meta_file_path = meta_file_path,                 # mandatory: tsv file defining barcodes to cell label.counts_file_path = counts_file_path,             # mandatory: normalized count matrix - a path to the counts file, or an in-memory AnnData objectcounts_data = 'hgnc_symbol',                     # defines the gene annotation in counts matrix.#   active_tfs_file_path = active_tf_path,           # optional: defines cell types and their active TFs.#  microenvs_file_path = microenvs_file_path,       # optional (default: None): defines cells per microenvironment.score_interactions = True,                       # optional: whether to score interactions or not. iterations = 1000,                               # denotes the number of shufflings performed in the analysis.threshold = 0.05,                                 # defines the min % of cells expressing a gene for this to be employed in the analysis.threads = 5,                                     # number of threads to use in the analysis.debug_seed = 42,                                 # debug randome seed. To disable >=0.result_precision = 3,                            # Sets the rounding for the mean values in significan_means.pvalue = 0.1,                                   # P-value threshold to employ for significance.subsampling = False,                             # To enable subsampling the data (geometri sketching).subsampling_log = False,                         # (mandatory) enable subsampling log1p for non log-transformed data inputs.subsampling_num_pc = 100,                        # Number of componets to subsample via geometric skectching (dafault: 100).subsampling_num_cells = 1000,                    # Number of cells to subsample (integer) (default: 1/3 of the dataset).separator = '|',                                 # Sets the string to employ to separate cells in the results dataframes "cellA|CellB".debug = False,                                   # Saves all intermediate tables employed during the analysis in pkl format.output_path = out_path,                          # Path to save results.output_suffix = None                             # Replaces the timestamp in the output files by a user defined string in the  (default: None).)

运行日志以及输出的文件如下

读取结果可视化

相比cellchat，这个软件自带的可视化功能会少很多

自带可视化热图

kpy.plot_cpdb_heatmap(pvals = cpdb_results['pvalues'],degs_analysis = False,figsize = (5, 5),title = "Sum of significant interactions")

R可视化点图

但是利用输出文件也可以在R环境下进行很多想要的可视化方式，首先导入R环境和包

library(ktplots)
library(Seurat)
library(tidyverse)
library(data.table)
library(dplyr)
library(readr)

导入需要的结果表和RDS格式数据

#cellphoneDB结果文件
mypvals <- read.table("/data/work/CCI_cellphoneDB/bin50/statistical_analysis_pvalues_12_26_2024_220659.txt",header = T,sep = "\t",stringsAsFactors = F,check.names = F)
mymeans <- read.table("/data/work/CCI_cellphoneDB/bin50/statistical_analysis_means_12_26_2024_220659.txt",header = T,sep = "\t",stringsAsFactors = F,check.names = F) 
mydecon <- read.table("/data/work/CCI_cellphoneDB/bin50/statistical_analysis_deconvoluted_12_26_2024_220659.txt",header = T,sep = "\t",stringsAsFactors = F,check.names = F)#单细胞数据
scRNA = read_rds("your_scRNA.rds")

绘制全部点图

p <- plot_cpdb(cell_type1 = "", cell_type2 = "", scdata = scRNA, means = mymeans, pvals = mypvals,celltype_key = "annotation",highlight_col = "blue",keep_significant_only=T) +theme(axis.text = element_text(size = 5, color = 'black'))ggsave("plot_cpdb_output.png", p, width = 50, height = 40, units = "in", limitsize = FALSE)

如果这里cell_type空白则默认绘制所有分群的点图，也可以设置一个或者两个绘制一对多和一对一的配受体点图，效果如下

分类展示基因家族

这里参数还有一个family，可以分类展示不同家族的配受体关系

gene_families <- c("chemokines", "th1", "th2", "th17", "treg", "costimulatory", "coinhibitory")for(family in gene_families) {tryCatch({p <- plot_cpdb(cell_type1 = "PT-S1", cell_type2 = "", scdata = scRNA, means = mymeans, pvals = mypvals,celltype_key = "annotation_res1_1",gene_family = family, # 指定基因家族highlight_col = "blue",keep_significant_only=T) +theme(axis.text = element_text(size = 10, color = 'black'))ggsave(paste0("plot_cpdb_PTS1_", family, ".png"), p, width = 20, height = 30, units = "in", limitsize = FALSE)}, error = function(e) {message(paste("No significant genes found for", family, "and plotting will not proceed."))})
}

cellphoneDB进行CCI以及可视化

除了cellchat，在单细胞转录组或者空间组的分析中，cellphoneDB也是一个常用的细胞通讯软件，这个数据库更注重配受体关系，对于有明确先验知识的配受体研究比较友好。但值得注意的是，它的数据库只包括人的基因名称信息&…...

编程日记 2025/7/22 5:52:55

Facebook 上的社群文化：连接与共享

随着社交媒体的普及，Facebook作为全球最大的社交平台之一，不仅改变了人们的沟通方式，还塑造了独特的社群文化。在Facebook上，用户可以轻松地与朋友、家人保持联系，同时也能加入兴趣相投的群组、参与讨论和共享内容。社…...

编程日记 2025/7/21 16:18:19

数据库的概念和操作

目录 1、数据库的概念和操作 1.1 物理数据库 1. SQL SERVER 2014的三种文件类型 2. 数据库文件组 1.2 逻辑数据库 2、数据库的操作 2.1 T-SQL的语法格式 2.2 创建数据库 2.3 修改数据库 2.4 删除数据库 3、数据库的附加和分离 1、数据库的概念和操作 1.1 物理数据库…...

编程日记 2025/7/19 9:00:15

word运行时错误‘-2147221164（80040154）’ 没有注册类的解决办法

目录问题描述解决方案问题描述解决方案打开C盘找到路径C:\Users\Administrator\AppData\Roaming\Microsoft\Word\STARTUP或者在everything中搜索“Microsoft\Word\STARTUP”删除NEWebWordAddin.dotm文件即可正确打开word。...

编程日记 2025/7/7 17:47:43

Oracle数据库高级应用与优化策略

Oracle数据库高级应用与优化策略在数据驱动的时代，Oracle数据库作为企业级数据库管理的佼佼者，以其强大的数据处理能力、高可用性和安全性，在众多行业领域中扮演着不可或缺的角色。本文旨在深入探讨Oracle数据库的高级应用与优化策略，通过具体代码使用案例，帮助开发者和…...

编程日记 2025/7/14 22:10:02

说明一个python练习代码 import json import time import openpyxl from openpyxl import load_workbook from datetime import datetime, timedelta import lark_oapi as lark from lark_oapi.api.admin.v1 import *def data_r(start_date, end_date):r_data []client la…...

编程日记 2025/7/21 11:41:50

讲解substr函数

substr JavaScript 中的 substr语法示例注意 PHP 中的 substr语法示例 Python 中的等价方法语法示例其他语言Java 补充 substr 是编程中用于截取字符串的一个方法或函数，其功能是从一个字符串中提取出一部分子字符串。不同的编程语言中，这个功能的实现方…...

编程日记 2025/7/21 8:51:28

宏任务和微任务的区别

在 JavaScript 的异步编程模型中，宏任务（Macro Task）和微任务（Micro Task）是事件循环（Event Loop）机制中的两个重要概念。它们用于管理异步操作的执行顺序。 1. 宏任务 (Macro Task) 宏任务是较…...

编程日记 2025/7/17 16:42:22

设计模式介绍

设计模式是软件开发中常见问题的经典解决方案。它们是经过验证的、可重用的设计经验，可以帮助程序员构建可维护、可扩展和可靠的对象导向软件。设计模式通常分为三大类：创建型、结构型和行为型。以下是每种类型中一些常见的设计模式&#xff0c…...

编程日记 2025/7/18 20:33:54

flask后端开发（11）：User模型创建+注册页面模板渲染

目录一、数据库创建和配置信息1.新建数据库2.数据库配置信息3.User表4.ORM迁移二、注册页面模板渲染1.导入静态文件2.蓝图注册路由一、数据库创建和配置信息 1.新建数据库终端中 CREATE DATABASE zhiliaooa DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;2…...

编程日记 2025/7/21 20:20:02

Ubuntu 中安装 RabbitMQ 教程

简介 RabbitMq作为一款消息队列产品，它由Erlang语言开发，实现AMQP（高级消息队列协议）的开源消息中间件。应用场景异步处理场景说明：用户注册后，注册信息写入数据库，再发邮件、短信通知。 …...

编程日记 2025/7/20 2:44:54

【开源免费】基于SpringBoot+Vue.JS网上摄影工作室系统（JAVA毕业设计）

本文项目编号 T 103 ，文末自助获取源码 \color{red}{T103，文末自助获取源码} T103，文末自助获取源码目录一、系统介绍二、数据库设计三、配套教程3.1 启动教程3.2 讲解视频3.3 二次开发教程四、功能截图五、文案资料5.1 选题背景5.2 国内…...

编程日记 2025/7/20 7:51:22

Metricbeat安装教程——Linux——Metricbeat监控ES集群

Metricbeat安装教程——Linux 一、安装下载安装包： 官网下载地址：https://www.elastic.co/cn/downloads/beats/metricbeat 上传包到linux 切换到安装目录下解压：tar -zxvf metricbeat-7.17.1-linux-x86_64.tar.gz 重命名安装文件夹 mv met…...

编程日记 2025/7/21 18:05:41

torch.nn.Embedding模块介绍

torch.nn.Embedding 是 PyTorch 中的一个嵌入层模块，用于将离散的整数索引（如单词或标记的 ID）映射到连续的密集向量空间中。常用于自然语言处理（NLP）中的词嵌入，但也适用于任何需要将类别数据转换为密集向量表示的场景。参数说明 torch.nn.Embedding(num_embeddings, …...

编程日记 2025/7/14 1:34:03

＜数据集＞风力发电机损伤识别数据集＜目标检测＞

数据集下载链接 ＜数据集＞风力发电机损伤识别数据集＜目标检测＞https://download.csdn.net/download/qq_53332949/90187097数据集格式：VOCYOLO格式图片数量：2527张标注数量(xml文件个数)：252…...

编程日记 2025/7/18 13:58:56

【Python运维】自动化备份与恢复系统的实现：Python脚本实战

《Python OpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门！解锁Python编程的无限可能：《奇妙的Python》带你漫游代码世界随着信息化进程的加速，数据的重要性日益增加，数据丢失的风险也随之增加。为了保证数据安全，定期备份和及时恢复数据是必不可少的操作。本…...

编程日记 2025/7/20 2:05:45

PTA数据结构编程题7-1最大子列和问题

我参考的B站up的思路题目题目链接给定K个整数组成的序列{ N 1 , N 2 , …, N K }，“连续子列”被定义为{ N i , N i1 , …, N j }，其中 1≤i≤j≤K。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列{ -2, 1…...

编程日记 2025/7/18 18:28:36

Elasticsearch-模糊查询

模糊查询前缀搜索：prefix 概念：以xx开头的搜索，不计算相关度评分。注意： 前缀搜索匹配的是term，而不是field。前缀搜索的性能很差前缀搜索没有缓存前缀搜索尽可能把前缀长度设置的更长语法： GET &…...

编程日记 2025/7/18 3:57:23

C#学习1：C#初接触，一些基础内容备忘和相关报错说明

目录 1 C#基本语法格式 1.1 基础规则 1.2 以if为例子 2 一些写法 2.1 时间相关 2.2 对数写法 2.3 关于使用random 2.4 UnityEngine.Random.value 2.5 PerlinNoise 函数 PerlinNoise 函数本身的输出范围 3 各种报错 3.0 unity里对C#报错内容超级详细 3.1 error cs1…...

编程日记 2025/7/19 5:19:11

机器学习的方法

机器学习方法主要分为三种：监督学习、无监督学习、半监督学习。 1.监督学习神经网络、朴素贝叶斯、线性回归、逻辑回归、随机森林、支持向量机（SVM）都是典型的监督学习方法。监督学习，即监督机器学习，之所以叫监督…...

编程日记 2025/7/21 21:25:45

el-pagination 为什么只能展示 10 条数据（element-ui@2.15.13）

好的，我来帮你分析前端为什么只能展示 10 条数据，以及如何解决这个问题。问题分析： pageSize 的值： 你的 el-pagination 组件中，pageSize 的值被设置为 10：<el-pagination:current-page"current…...

编程日记 2025/7/19 4:02:50

vulhub-wordpress靶场

一.主题上传漏洞来到靶场点击主题选择add new 这里有一个上传主题的地方我们可以去网上找到wordpress主题下载一个 wordpress模板网页设计模板免费免费下载 - 爱给网下载完成后对我们有用的东西只有这一个目录，把它拖出来点开moban目录后，创建…...

编程日记 2025/7/16 12:09:53

Docker 默认安装位置迁移

一、找到 Docker 默认安装位置 [roothost-192-168-0-1 ~]# docker info Client:Version: 26.1.0Context: defaultDebug Mode: falseServer:Containers: 31Running: 31Paused: 0Stopped: 0Images: 128Server Version: 26.1.0Storage Driver: overlay2Backing Filesystem:…...

编程日记 2025/7/19 6:10:17

【机器学习】SVM支持向量机（一）

介绍支持向量机（Support Vector Machine, SVM）是一种监督学习模型，广泛应用于分类和回归分析。SVM 的核心思想是通过找到一个最优的超平面来划分不同类别的数据点，并且尽可能地最大化离该超平面最近的数据点（支持向量…...

编程日记 2025/7/20 16:47:20

无需配置设备，借助GitHub快速编译项目并直接运行！

引言你是否曾经有过类似的烦恼，发现了一个有趣的项目，想要测试一下，但是自己的设备没有对应的开发环境或者受制于自己的设备，不想或者不能去配置对应的开发环境，应该怎么办呢？这种情况下，其实…...

编程日记 2025/7/18 11:02:56

【C#联合halcon实现绘制ROI功能】

前言 C#联合halcon实现绘制ROI功能： C#联合Halcon，使用HDrawingObject、HDrawingObjectXld，绘制矩形、方向矩形、圆形、椭圆、自定义ROI。支持拖动、重设大小、选中，右键复制、粘贴、删除功能。运行结果代码代码结构 MainFo…...

编程日记 2025/7/16 14:44:50

语言模型的革命：大型概念模型（LCM）的崛起

在人工智能领域，Meta最近推出的一项重大突破正在引起研究人员和开发者的广泛关注：大型概念模型（Large Concept Models，简称LCM）。这一创新彻底改变了我们对语言模型的理解，并为未来AI技术的进展指明了新的方…...

编程日记 2025/7/11 15:18:41

在C#中获取程序的命令行参数

实现此目的的一种方法是重写程序的Main方法并赋予其一个字符串数组参数，如下面的代码所示。 static void Main(string[] args) {foreach (string arg in args){lstArguments.Items.Add(arg);} } 这种方法是从 C 编程语言继承而来的。我更喜欢下面的方法&#xf…...

编程日记 2025/7/22 2:10:52

R基于贝叶斯加法回归树BART、MCMC的DLNM分布滞后非线性模型分析母婴PM2.5暴露与出生体重数据及GAM模型对比、关键窗口识别

全文链接：https://tecdat.cn/?p38667 摘要：在母婴暴露于空气污染对儿童健康影响的研究中，常需对孕期暴露情况与健康结果进行回归分析。分布滞后非线性模型（DLNM）是一种常用于估计暴露 - 时间 - 响应函数的统计方法&am…...

编程日记 2025/7/21 4:44:50

小程序基础 —— 08 文件和目录结构

文件和目录结构一个完整的小程序项目由两部分组成：主体文件、页面文件： 主体文件：全局文件，能够作用于整个小程序，影响小程序的每个页面，主体文件必须放到项目的根目录下； 主体文件由三部分组…...

编程日记 2025/7/21 16:17:50

bishengjdk-8

title: 深入探索 BishengJDK-8：技术魅力与优势尽显 date: 2024-12-29 category: blog tags:- BishengJDK-8- Java 开发- 性能优化- 技术剖析 sig: BishengJDK archives: 2024-12 author:- way_back summary: BishengJDK-8 作为一款备受瞩目的 JDK 版本，以…...

编程日记 2025/7/21 10:55:09

Android9.x SurfaceView源码分析

前言本文是继Android 深入理解SurfaceView再次对SurfaceView进行源码分析。看了下代码，上篇文章是基于Android7.x的，本篇基于Android9.x再次进行分析， Android从7.0开始支持SurfaceView动画，并建议7.0之后使用SurfaceView替代TextureView，这里主要在Android9.0上分析Su…...

编程日记 2025/7/19 14:13:01

分布式 IO 模块助力冲压机械臂产线实现智能控制

在当今制造业蓬勃发展的浪潮中，冲压机械臂产线的智能化控制已然成为提升生产效率、保障产品质量以及增强企业竞争力的关键所在。而分布式 IO 模块的应用，正如同为这条产线注入了一股强大的智能动力，开启了全新的高效生产篇章。传统挑战冲压…...

编程日记 2025/7/15 21:00:52

解决VMware的ubuntu22虚拟机没有网络

解决步骤 1.在 Windows 系统中，按 “WinR” 键，输入 “services.msc” 并回车，在服务列表中找到 “VMware DHCP Service” 和 “VMware NAT Service”，确保这两个服务已启动，若未启动则右键点击选择 “启动”&#xf…...

编程日记 2025/7/18 15:38:45

Linux arm 编译安装glibc-2.29

重要的话说三遍： ！！！！！不要轻易自己去安装glibc！！！！！ ！！！！！不要轻易自己去安装glibc&a…...

编程日记 2025/7/21 13:28:57

Docker-构建自己的Web-Linux系统-镜像webtop:ubuntu-kde

介绍安装自己的linux-server,可以作为学习使用，web方式访问，基于ubuntu构建开源项目 https://github.com/linuxserver/docker-webtop安装 docker run -d -p 1336:3000 -e PASSWORD123456 --name webtop lscr.io/linuxserver/webtop:ubuntu-kde登录 …...

编程日记 2025/7/16 23:36:11

linux 7.6安装mysql 8.0步骤如下

linux 7.6安装mysql 8.0步骤如下： 注意：在导入密钥的时候这个不行，可更换为 rpm --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2023...

编程日记 2025/7/8 0:17:57

meshy的文本到3d的使用

Meshy官方网站： 中文官网： Meshy官网中文站编辑 Opens in a new window 编辑www.meshycn.com Meshy AI 中文官网首页英文官网： Meshy目前似乎还没有单独的英文官网，但您可以在中文官网上找到英文界面或相关英文资料。链…...

编程日记 2025/7/20 2:05:55

抓取手机HCI日志

荣耀手机 1、打开开发者模式 2、开启HCI、ADB调试 3、开启AP LOG 拨号界面输入*##2846579##* 4、蓝牙配对 5、抓取log adb pull /data/log/bt ./...

编程日记 2025/7/8 1:06:41

如果你的网站是h5网站，如何将h5网站变成小程序-除开完整重做方法如何快速h5转小程序-h5网站转小程序的办法-优雅草央千澈

如果你的网站是h5网站，如何将h5网站变成小程序-除开完整重做方法如何快速h5转小程序-h5网站转小程序的办法-优雅草央千澈 h5如何转小程序如果当年你们开发网站是用的h5但是没有开发小程序，也没有使用uniapp这样的混开框架，但是目前根据业务需…...

编程日记 2025/7/20 14:07:31

2024：踏平坎坷成大道，斗罢艰险又出发！

一、开篇 12月今年最后一个月了，相逢的人已走散，Q4的OKR已经定型了，很平淡无味、闲的无聊，提前写个年终总结吧。25年，再过一个月就35岁了，一个人来北京也已经11年了。年近末尾，思绪良多。回顾过…...

编程日记 2025/7/20 21:05:26

Qt For Android之环境搭建（Qt 5.12.11 Qt下载SDK的处理方案）

文章目录一、Qt For Android运行示例二、个人理解及情况解析三、配置Android相关配置项3.1 安装简述3.2 安装Qt1.安装Qt第一步：启动Qt安装包程序2.Qt账号（注册）登录3.了解Qt开源使用义务4.指定Qt安装目录5.选择Qt安装内容6.接受“许可协议”…...

编程日记 2025/7/20 21:45:39

LLaMA详解

LLaMA 进化史大规模语言模型(Large Language Model, LLM)的快速发展正在以前所未有的速度推动人工智能(AI)技术的进步。作为这一领域的先行者, Meta在其LLaMA(Large Language Model Meta AI)系列模型上取得了一系列重大突破。近日, Meta官方正式宣布推出LLaMA-3, 作为继LL…...

编程日记 2025/7/20 13:00:41

【学生管理系统】权限管理之用户管理

目录 6. 权限管理 6.1 环境搭建 6.1.1 数据库 6.1.2 后端环境 6.2 用户管理 6.2.1 查询所有用户（关联角色） 6.2.2 核心1：给用户授予角色 6. 权限管理 6.1 环境搭建 6.1.1 数据库权限管理的5张表的关系添加4张表 # 权限表&…...

编程日记 2025/7/21 17:48:55

基于Java+Springboot+Vue开发的旅游景区管理系统，实习作品

项目简介该项目是基于JavaSpringbootVue开发的旅游景区管理系统（前后端分离），这是一项为大学生课程设计作业而开发的项目。该系统旨在帮助大学生学习并掌握Java编程技能，同时锻炼他们的项目设计与开发能力。通过学习基于Java的旅…...

编程日记 2025/7/21 21:27:27

人工智能及深度学习的一些题目

1、一个含有2个隐藏层的多层感知机（MLP），神经元个数都为20，输入和输出节点分别由8和5个节点，这个网络有多少权重值？ 答：在MLP中，权重是连接神经元的参数，每个连接都有一…...

编程日记 2025/7/18 12:17:33

JavaFX FXML模式下的布局

常见布局方式概述在 JavaFX FXML 模式下，有多种布局方式可供选择。这些布局方式可以帮助您有效地组织和排列 UI 组件，以创建出美观且功能良好的用户界面。常用布局容器及布局方式 BorderPane 布局特点：BorderPane 将空间划分为五个区域&…...

编程日记 2025/7/19 11:12:23

在 Windows 11 下的 WSL - Ubuntu 24.04 中安装 CUDA 的记录

#记录工作以下是基于CUDA官网给定命令在 Windows 11 下的 WSL - Ubuntu 24.04 中安装 CUDA 的记录： 一、准备工作确保你的 Windows 11 系统已经成功启用 WSL 功能，并且已经安装了 Ubuntu 24.04 操作系统。同时，确保系统处于联网状态&#…...

编程日记 2025/7/21 22:50:32