umap
简介
embed the neighborhood graph using umap
脚本
输入
任务名称 | 变量名称 | 类型 | 描述 |
---|---|---|---|
* main | project_name | String | 项目名称 |
* main | anndata | File | 输入的 annotated 矩阵文件, .h5ad后缀的hdf5 格式 |
main.umap | spread | Float | 嵌入点的有效尺度.与min_dist结合使用可确定聚类点的聚集程度/聚集方式. |
main.umap | negative_sample_rate | Int | 在优化低维聚类时,每个正边/1-单纯形样本使用的负边/1-单纯形样本数 |
main.umap | n_components | Int | 聚类的维数 |
main.umap | min_dist | Float | 嵌入点之间的最小有效距离.较小的值将导致更多的聚集/聚集嵌入,其中流形上的相邻点绘制得更近,而较大的值将导致点的分布更加均匀.该值应相对于排列值进行设置,该值决定嵌入点将展开的比例. |
main.umap | memory | String | 任务运行的内存数量,注意1.取值范围为0.25核-32核,另外还可选48核和64,CPU必须为0.25核的整数倍;2.内存取值范围>为1GB-512GB,且内存必须为1GB的整数倍3.CPU/内存配比值必须在1:2到1:8之间 |
main.umap | init_pos | String | 如何初始化低维聚类,可选值['paga', 'spectral', 'random'], ndarray, None] (默认值: 'spectral') |
main.umap | gamma | Float | 低维嵌入优化中负样本的加权.大于1的值将导致负数样本的权重更大. |
main.umap | docker | String | -- |
main.umap | cpu | String | 任务运行的CPU数量,注意1.取值范围为0.25核-32核,另外还可选48核和64,CPU必须为0.25核的整数倍;2.内存取值范围为1GB-512GB,且内存必须为1GB的整数倍3.CPU/内存配比值必须在1:2到1:8之间 |
main.umap | alpha | Float | 嵌入优化的初始学习速率. |
输出
任务名称 | 变量名称 | 类型 | 描述 |
---|---|---|---|
main | clustfile | File | 通过填写 this.xxx将输出文件地址返回到对应表格 xxx 列 |
main | h5adfile | File | 通过填写 this.xxx将输出文件地址返回到对应表格 xxx 列 |