Request of clarifications about processed data in `cpg0019`
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 25/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- data, machine-learning
Direzione di ricerca
Inizia dalla pagina machine_learning.html collegata e confronta i percorsi CPG citati per cpg0019-moshkov-deepprofiler e cpg0012-wawer-bioactivecompoundprofiling. Determina se i dati elaborati coprono solo le immagini di addestramento e identifica qualsiasi script o notebook documentato per generare i dataset elaborati completi; il lavoro è completato quando queste domande sulla disponibilità e sulla generazione hanno ricevuto una risposta.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi! Thanks for creating this great resource. I was aware that the processed datasets used in this study have been uploaded to CPG as indicated here -- thanks for sharing!
I was wondering if you could kindly clarify if the processed dataset only contains the training split (but not the validation split, so that it is not the full processed e.g. cpg0012 dataset), since the parent folder is named (See third comment.) I would also appreciate it if you could suggest possible ways to acquire the full processed datasets. If that's not readily available, could you please kindly point me towards the script/notebook that would generate the processed images from raw ones?training_images (e.g. cpg0019-moshkov-deepprofiler/broad/training_images/BBBC036/). Also, it seems that there are much fewer folders in the processed BBBC036 compared with the original cpg0012 images as in here. For example, 24277 is not in the processed version of BBBC036/CDRP, and even in 24278, there are many subfolders missing in the processed dataset compared with the raw dataset. Could you please clarify?
Thank you very much in advance! Happy New Year!
- Lingua principale
- Python
- Stelle
- 129
- Fork
- 52
- Merge medio
- 5h 20m
- PR unite (30g)
- 2
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di cytomining/DeepProfiler
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
cytomining/DeepProfiler#359 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100
cytomining/DeepProfiler#355 · 1 commento ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
cytomining/DeepProfiler#352 · 3 commenti ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
cytomining/DeepProfiler#347 · 3 commenti ·
-
Speed up profilingApertaenhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
cytomining/DeepProfiler#325 ·
Tutte le issue di cytomining/DeepProfiler
Issue simili
-
Claiming namespace `apoint`Apertanamespace operations
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 82/100
EclipseFdn/open-vsx.org#13573 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
collective/icalendar#1854 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
rancher/rancher-ai-agent#412 ·
I maintainer di solito rispondono entro 6 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
TUDelftGeodesy/DePSI#134 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
HenriquesLab/rxiv-maker#335 ·