- 综合排序
- 最热优先
- 最新优先
- 来自专栏编码视界
PySide6 GUI 编程（5）：模态窗口与非模态窗口
模态窗口与非模态窗口 from PySide6.QtWidgets import QApplication, QDialog, QMainWindow app = QApplication([]) main_window.setWindowTitle('主窗口') dialog = QDialog(main_window) # 设置父窗口为main_window dialog.setWindowTitle('PySide6 原生模态窗口 ') # 在 MacOS 上，模态窗口并不会阻止用户与其他窗口交互，只会阻止与父窗口的交互 # dialog.setModal(True) # 显式设置其为模态窗口 main_window.show () # 以非模态运行 dialog.exec() # 以模态运行 app.exec()
1.2K75编辑于 2024-05-21 - 来自专栏Python编程 pyqt matplotlib
PyQt5 模态对话框
所谓的模态对话框是指，一旦调用该对话框，它就会成为应用程序唯一能与用户进行交互的部件。在关闭对话框之前，用户都不能使用应用程序的其他部件。 模态对话框是最简单的，因为会阻塞与对话框的父窗口及父窗口的兄弟窗口之间的其他任何交互，所以可降低对那些正在使用的数据在后台被修改的风险。模态对话框的缺点是用户不能实时地看到修改效果。 之前各篇介绍的内置的标准对话框都是模态对话框。本篇介绍自定义的模态对话框。详情请参见代码： ? import sys from PyQt5.QtCore import Qt from PyQt5.QtGui import QFont from PyQt5.QtWidgets import * #模态对话框 self.format=dict(fontstyle="宋体",fontsize=10,fonteffect=False) FontButton1 = QPushButton("设置字体(模态
2.7K20发布于 2019-08-13 - 来自专栏仿真CAE与AI
有限元分析中什么是模态分析
而在有限元分析的众多技术中，模态分析（ModalAnalysis）是一项不可或缺的重要内容，它就像是一把钥匙，能够打开探索结构动力学特性的大门。那么，在有限元分析中，究竟什么是模态分析呢？ 每一个固有频率都对应着一个特定的振型，这些固有频率和振型构成了结构的模态参数。模态分析基于结构动力学的基本理论，其核心是求解结构的动力学方程。 在桥梁建成后的运营阶段，模态分析还可以用于桥梁的健康监测。通过定期测量桥梁的振动响应，对比分析桥梁的模态参数变化，判断桥梁是否出现结构损伤或性能退化，及时发现潜在的安全隐患。 模态分析是有限元分析中探索结构动力学特性的关键技术。它通过求解结构动力学方程，获取结构的固有频率和振型等模态参数，为工程师在不同领域的设计、优化和故障诊断提供了有力的工具。 在模态分析方面，Abaqus不仅可以高效求解结构的固有频率和振型，还支持对非线性结构、接触问题等复杂工况下的模态研究，能满足不同行业和场景的分析需求。
47110编辑于 2025-08-14 - 来自专栏云云众生s
5个实际开源的多模态AI模型
了解最新的开源多模态AI系统，以下列出了五个领先的选项，包括其功能和用途。 译自 5 Multimodal AI Models That Are Actually Open Source，作者 Kimberley Mok。 虽然市场上已经存在许多强大的、专有的多模态AI系统，但小型多模态AI模型和开源替代方案也正在迅速发展，因为用户不断寻求更易访问和更易适应的选项，并优先考虑透明度和协作。 5. xGen-MM 也被称为 BLIP-3，这是来自Salesforce 的一套最先进的开源多模态模型，它包含一系列变体，包括一个预训练基础模型，一个指令微调模型和一个旨在减少有害输出的安全微调模型。 这意味着这些模型擅长处理包含文本和多个图像的输入，这在广泛的设置中可能非常有用——例如自动驾驶汽车，或医疗保健中的图像分析和疾病诊断，或创建交互式教育工具，或宣传营销材料。
2.1K10编辑于 2024-12-14 - 来自专栏生信补给站
Seurat_V5|单细胞转录组 + 蛋白，WNN方法分析单细胞多模态数据
前面Seurat V5|一个函数就能解决多种去批次方法，按需尝试提到V5的升级部分（https://satijalab.org/seurat/articles/get_started_v5_new）主要体现在 4个方面，本次介绍 Seurat V5 的WNN方法分析单细胞多模态数据，本文以转录组+蛋白组数据为例。 确认下RNA和ADT的cell barcode 是否一致 二 WNN 模态数据处理 1，RNA标准分析 先指定默认assay为RNA，然后进行至PCA的标准分析 DefaultAssay(bm) 3，WNN 对于每个细胞，我们根据RNA和蛋白质相似性的加权组合识别数据集中的多模态邻居，并将结果存储在neighbors插槽中，注意reduction.list中的pca 和 apca 要和前面单独分析时定义的名字一致 然后就可以进行后续的降维 聚类分析了。 4，降维聚类 上述WNN方法完成数据合并后，分别可以基于（1）转录组 （2）蛋白组 （3）以及结合权重的数据 进行UMAP 可视化分析。
88910编辑于 2024-03-25 - 来自专栏云云众生s
5个小型多模态AI模型及其功能
随着对多模态AI系统兴趣的增长，这些多功能工具的小型版本也随之增多。 译自 5 Small-Scale Multimodal AI Models and What They Can Do，作者 Kimberley Mok。 过去几年，我们见证了大型语言模型（LLM）的迅速发展，其参数数量已激增至数十亿，使其成为分析、摘要和生成文本和图像或创建拟人化聊天机器人等任务的强大工具。 潜在用例包括文档和图像分析以改进客户支持、社交媒体内容审核以及公司或教育机构的视频分析。 5. 这些视觉语言模型旨在紧凑高效，为企业提供了一种可扩展且经济高效的方式来实时执行文档分析和图像识别。
70810编辑于 2024-12-04 - 来自专栏啄木鸟软件测试
多模态大模型技术原理及实战(5)
国内外多模态大模型对比 国内 LLaMA-Adapter V2 香港中文大学 双语输出 输入 •图像 •语音 •文本 •视频 • 3D 点云 起源：LLaMA-Adapter •在线性层上进行偏差调整 •4、ChatGLM-6B 在 GLM 框架下，专门针对中文问答和对话进行了优化 mPLUG-Owl 阿里巴巴达摩研究院 2023年5月 架构 •视觉基础模块(采用开源的VTL-L) •视觉抽象模块 多模态大模型评测数据集 国内评测数据集 OwlEval •基于mPLUG-Owl模型发布 • 包含 •50 张图片 •82 个回题 •功能 •故事生成 •广告生成 •代码生成 MME •开发 •结构 •265 016张图片 •每张图片至少有 3 个问题(平均 5.4个每个问题） •每个问题 •有 10 个基本事实答案 •有 3 个合理(但可能不正确)的答案 多模态大模型的评测标准 国内评测标准 感知能力评测 排名 •1 BLIP-2 1293.84 •2 InstructBLIP 1212.82 •3 LLMAAdapter-V2 972.67 •4 mPLUG-Owl 967.35 •5
35710编辑于 2024-09-10 - 来自专栏深度学习自然语言处理
【哈工大SCIR】多模态情感分析简述
如何分析多模态数据（本文指声音，图像和文字，不涉及传感器数据）中的情感，是当前情感分析领域面临的机遇和挑战。 一方面，以往情感分析聚焦于单个模态。如文本情感分析着眼于分析，挖掘和推理文本中蕴含的情感。 这些都是当前多模态情感分析领域感兴趣的问题。为了能够更好的介绍多模态情感分析领域的相关研究，本文梳理了目前多模态情感分析领域相关任务并总结了常用的数据集及对应的方法。 表1 多模态情感分析任务概览 ? 数据集和方法 本文总结了13个公开数据集，其中包括8个视频数据集和5个图文数据集。 MARN基于此提出使用多级注意力机制提取不同的模态交互信息。模型架构如图5所示。 表2 多模态情感分析相关数据集信息表 ? 总结 本文简单梳理了多模态情感分析领域的相关任务，总结了与任务对应的数据集及一些典型的方法。
5.7K62发布于 2019-12-23 - 来自专栏具身小站
导致机械臂抖动的模态频率分析
关注激励源头：在分析抖动问题时，不仅要看结构本身（模态分析），更要结合动力学分析（谐响应、瞬态分析），模拟真实的运动与负载，看看是哪个频率激励哪一模态。 3. 匹配判断：将测得的峰值频率，通过ANSYS模态分析得到的前6阶固有频率表进行对比。最接近的哪个仿真频率，其对应的振型就是导致抖动的主要“元凶”。 进行谐响应分析：在关节或末端施加一个频率连续变化的简谐力，分析末端响应随频率的变化。 查看结果：这两种分析都会输出末端位移/加速度的频率响应曲线，曲线上幅值最大的频率点，就是最容易引发剧烈振动的频率，直接对应某一阶模态。 用实验验证仿真模型的准确性，再用修正后的仿真模型预测整改效果。 5.改善连接刚度：确保螺栓预紧力足够，关键结合面用定位销，避免软连接。 降低固有频率 减小刚度k或增加质量m 1. 减薄壁厚或减小截面尺寸2.
32210编辑于 2026-03-04 - 来自专栏数据科学（冷冻工厂）
单细胞分析：多模态 reference mapping (1)
这个例子用来说明，在参考数据集的帮助下进行的有监督分析，是如何帮助我们识别那些仅通过无监督分析难以发现的细胞状态。 根据论文中的描述，本例中我们采用了预先计算的监督主成分分析（Supervised PCA，简称spca）变换。 我们建议对CITE-seq数据集采用监督主成分分析方法，并将在本指南的下一个部分展示如何执行这一变换。当然，您也可以选择使用传统的主成分分析（PCA）变换。 同样，如果我们通过差异表达分析来筛选调节性T细胞（Treg）的标记，我们能够识别出一组标准标记基因，包括RTKN2、CTLA4、FOXP3和IL2RA。 我们想强调的是，如果用户尝试映射的数据集样本不是 PBMC，或者包含了参考数据集中未出现细胞类型，那么进行一次“从头可视化”是理解和分析他们数据集的一个重要步骤。
54710编辑于 2024-05-07 - 来自专栏数据科学（冷冻工厂）
单细胞分析：多模态 reference mapping (2)
我们以之前使用加权最近邻分析（WNN）方法分析过的人类BMNC的CITE-seq参考集作为比对标准。 尽管我们也可以计算并应用传统的PCA投影，但在处理通过WNN分析构建的多模态参考数据时，我们更推荐使用监督式PCA（sPCA）。 需要注意的是，这些数据对象都已经通过参考集被整合到了一个共同的分析空间中。之后，我们就能够将这些数据的分析结果一并展现出来。 cols = c("lightgrey", "darkred")) # imputed protein levels DefaultAssay(hcabm40k) <- 'predicted_ADT' p5 q10', max.cutoff = 'q99', cols = c("lightgrey", "darkgreen") , ncol = 3) p3 / p4 / p5
41410编辑于 2024-05-17 - 来自专栏Python编程 pyqt matplotlib
PyQt5 非模态对话框(live 型)
本篇介绍非模态“实时”（live）对话框。与上一篇讲的”apply型“非模态对话框的区别是，非模态“实时”（live）对话框没有任何按钮，且所做的任何改变会自动、即刻得到应用。 import sys from PyQt5.QtCore import Qt, pyqtSignal from PyQt5.QtGui import QFont from PyQt5.QtWidgets import * #非模态对话框("live"型更新),字体选择组合框,自定义信号 class FontPropertiesDlg(QDialog): applySignal = pyqtSignal self.format=dict(fontstyle="宋体",fontsize=10,fonteffect=False) FontButton = QPushButton("设置字体(非模态 layout) FontButton.clicked.connect(self.FontModalessDialog) self.setWindowTitle("非模态对话框
1.8K20发布于 2019-08-14 - 来自专栏全栈程序员必看
基于matlab的振动模态分析_matlab动力学分析
基于 MATLAB 的机械振动分析研究 刘鸿智 渊鹤 壁 职 业 技 术 学 院 袁河 南 鹤 壁 458030冤 摘 要：矩阵工厂的应用是在关于机械振动的问题应用，这说明矩阵实验室的应用可以用来解决一些在机械振动方面的比较复杂的计算和作图等问题 矩阵实验室对机械振动的一些系统理论的分析或研究有着一些特定的步骤。一些系统运用矩阵实验室软件中的数值积分法来对该系统作出分析。 关键词：机械振动；MATLAB软件；分析 矩阵实验室是对于机械振动问题处理及数值计算的分析软件。 这一软件对数值问题有很大的分析功能，可以对一些数据进行各种程度的分析，在分析计算的过程中得到所计算的问题的各个步骤的答案并对其答案进行验证，看其是否在所能接受的误差之内，如果这个答案不在所能接受的误差之内 一些问题可以通过一些特定的函数值对其直接进行计算来得到答案，也可以通过假设未知数变量来对其问题进行解答，在解答完成之后得出其答案，利用所设变量在二维图中画出所得出答案结果的图案曲线，然后根据所画出的图案曲线来对所求问题的实际进行研究分析
86020编辑于 2022-11-04 - 来自专栏Python编程 pyqt matplotlib
PyQt5 非模态对话框(apply 型)
如果希望用户可以重复更改对话框中的参数并能马上看到修改结果，那么就要使用非模态对话框，这样用户就可以按照他们喜欢的方式来持续不断地修改数据并验证修改的结果了。 非模态对话框对话框通常都有一个应用（Apply）按钮和一个关闭（close）按钮。用户一旦点击了应用按钮，改变就会发生，对话框也不会关闭，可以连续点击应用按钮，直到关闭了对话框。 import sys from PyQt5.QtCore import Qt, pyqtSignal from PyQt5.QtGui import QFont from PyQt5.QtWidgets import * #非模态对话框("Apply"型更新),字体选择组合框,自定义信号 class FontPropertiesDlg(QDialog): applySignal = pyqtSignal #和控制父窗口的行为，但是耦合度过高，不推荐 #print(self.parent()) #print(self.topLevelWidget())#Pyqt5中此方法没有了
1.7K20发布于 2019-08-13 - 来自专栏数据科学（冷冻工厂）
单细胞分析｜Seurat中的跨模态整合
简介 在单细胞基因组学领域，将新数据集映射到已建立的参考数据集上的能力，与读取映射工具变革基因组序列分析的方式如出一辙。 Biotechnol 2023中，介绍了“桥接整合”（bridge integration），它使得将补充技术（如单细胞ATAC-seq（scATAC-seq）、单细胞DNA甲基化（scDNAme）、细胞因子分析 加载和设置10x多组学对象 # 10x hdf5文件包含两种数据类型。 该函数旨在模仿我们的FindTransferAnchors函数，但是要识别跨模态的对应关系。 然而，有些细胞类型（例如Treg）在无监督分析中似乎没有分开。这些可能是预测错误，或者是参考映射提供额外分辨率的情况。
60610编辑于 2024-04-02 - 来自专栏音乐与健康
基于多尺度自适应跨模态注意力融合（MACAF）的三模态情感分析-体感音乐多模态治疗
基于深度学习的多模态情感分析是一个结合不同类型数据（如文本、图像、音频等）来检测和分析情感的领域。它利用深度学习技术来处理和融合多模态信息，从而提高情感分析的准确性和鲁棒性。 多模态情感分析概述多模态情感分析旨在通过结合多种模态的数据（如文本、音频、视频等），实现更准确和全面的情感识别。 传统的情感分析方法主要依赖于单一模态（通常是文本），而多模态情感分析则能够利用不同模态的信息互补，提高模型的性能。2. MARN（Multimodal Adaptation and Relevance Network）：通过自适应机制和相关性网络实现多模态特征的有效融合。5. 数据集常用的多模态情感分析数据集包括：CMU-MOSI：包含视频评论的多模态数据集，包括文本、音频和视频模态。IEMOCAP：包含多场景对话的音频和视频数据，用于情感识别和分析。
75510编辑于 2025-07-26 GPT-5多模态与情境感知AI技术解析
GPT-5以分钟级代码生成能力注入"人性化"AI语音该模型具备增强的自主行动与推理能力，例如在演示中仅用数分钟便编写400余行代码创建交互式物理模拟。 API提供三种变体： GPT-5：面向逻辑与多步骤任务的前沿模型 GPT-5-mini：低成本轻量版 GPT-5-nano：低延迟场景专用优化版 开发者可调节"详细度"参数，并选择"极简模式"以满足超低延迟需求 分析机构指出，这种设计符合大型组织标准化部署需求，能有效降低决策疲劳。 技术泄漏事件正式发布前，部分GPT-5技术资料曾短暂出现在代码托管平台。 尽管近期有观点认为生成式AI进入平台期，但分析师强调GPT-5在推理精度、领域准确性与幻觉控制方面实现显著突破："性能提升更多源于系统设计创新而非单纯规模扩张"。
36410编辑于 2025-08-11GPT-4.5多模态理解与生成能力分析
GPT-4.5作为OpenAI的最新多模态大模型，在视觉、音频和文本的交互理解与生成方面实现了重大突破。本文将深入分析GPT-4.5的多模态能力及其底层技术实现。 视觉推理：GPT-4.5能够执行基于视觉的逻辑推理任务，例如解读图表、分析流程图和理解物理场景。 情感分析：可以从说话者的语调中识别情绪状态。 多模态融合理解：当提供包含文本、图像和音频的输入时，GPT-4.5能够综合分析所有模态的信息，形成统一的理解。 应用示例以下是使用GPT-4.5的多模态API进行图像分析的简单示例：import openai# 初始化APIclient = openai.OpenAI(api_key="your_api_key"
61810编辑于 2025-03-28- 来自专栏Datawhale专栏
KDD Cup 2020 多模态检索赛道：数据分析
本赛题使用淘宝APP的真实场景多模态数据，数据集由淘宝搜索查询和产品图像特征组成，组织成基于查询的多模态检索任务。 每个参赛团队的最终排名将由测试集B上的nDCG @ 5确定。 02 数据分析 2.1 数据读取 import numpy as np import pandas as pd import glob, base64 train_df = pd.read_csv( 2.2 数据分析 (1) 图像尺寸：图像尺寸大部分位于800像素，且长短比为1:1，应该是淘宝商品的主体。 ? (2) 图像物体：图像包含的物体主要1-2个居多； ? (3) 商品类别 ? ，因此也可以使用多模态匹配的方法。
1.4K10发布于 2020-04-17 方法回顾--空间转录组多模态交叉分析（MIA）
基因集的定义方法 在单细胞RNA测序数据中：为每种细胞类型，筛选出相较于其他细胞类型表达显著更高的基因作为该类型的特异性基因集(p < 10-5)。 结果呈现：将所有配对的分析结果汇总，生成一张多重交集分析图谱，直观展示不同细胞类型在不同组织区域的分布倾向。 评分与后续分析 富集评分：基于上述筛选的基因计算多重整合分析富集分数。 通路分析：使用 ClusterProfiler 和 EnrichR 软件包进行。 排除标准 无法分析的聚类群：部分聚类群因为没有标记基因满足筛选阈值，因此被排除在多重整合分析之外 第三篇 通过多重交集分析，推断了空间转录组聚类群中的细胞类型浸润情况。 下游延伸分析 可视化呈现：结果通常以多重交集分析图谱（热图形式）展示，直观呈现所有细胞类型与空间区域的对应关系；并结合点图、热图展示特征基因的表达异质性。
25420编辑于 2026-03-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号