Prodar是一个搜索应用程序，可查询PDB以获取候选结构比对。 搜索的输入是从标准（文本）PDB文件中读取的蛋白质骨架结构，返回的结果仅基于骨架的结构相似性，而与序列信息无关。 搜索速度非常快，通常不到一分钟即可搜索到PDB（包含在应用程序中）。 Prodar会识别部分匹配项，因此无论链的相对大小如何，查询结构的较小部分都可以与PDB中其他结构的部分进行匹配。 目的是使该工具自动识别原本不同的蛋白质结构中的共同结构域和基序。 然后可以使用其他工具在结构上对齐这些文件，以找到RMSD（Prodar会提出建议）。 Prodar鼓励采用互动式的发现方式，在此方式中搜索会Swift完善并重新运行。 结果可能令人惊讶！

使用动态规划化方法实现序列比对算法，有详细注解

python 和c++分别用opencv侦听摄像头获取的图像，并且对比前后几张图片是否发生变化的程序， 在ubuntu下打开压缩包

以CIFAR10数据为例的分类器 实验课作业，由于是很经典的分类任务，所以整理了一下记录下来，实际上TensorFlow源码中就有很好的CIFAR10示例（包含单机和多样化版本），不过既然要交作业，自己的在基础CNN分类的版本外，添加了使用ResNet进行分类的实验，收敛速度远快于基础CNN。 一，文件介绍 公用脚本 ops.py网络层封装实现，已被Advanced_CNN.py和ResNet.py调用cifar10_input.py ：数据读入相关函数脚本，包含对训练数据和测试数据的不同预先路径设置eval_CNN.py ：测试用eval_CNN.py ，读取./images目录下的图片文件，并输出对应的预测结果 基础CNN分类器相关脚本 Advanced_CNN.py ：使用CNN的分类器，脚本本身包含了网络构建和训练相关的摘要，可以直接运行训练数据 ResNet相关脚本 ResNet

Excel表数据比对Python源码

关于DeepFam DeepFam是一种基于深度学习的无比对蛋白质功能预测方法。 DeepFam首先通过卷积层从原始序列中提取保守区域的特征，然后根据这些特征进行预测。 特征 免比对：不需要多重或成对序列比对来训练族模型。 取而代之的是，通过卷积单元和1-max池训练家庭中局部保留的区域。 卷积单元的工作方式与PSSM类似。 利用可变大小的卷积单元（多尺度卷积单元）来训练通常长度各异的特定于家庭的保守区域。 安装 DeepFam是在库中实现的。 CPU和GPU机器均受支持。 有关安装Tensorflow的详细说明，请参阅的。 要求 的Python：2.7 Tensorflow：超过1.0 用法 首先，克隆存储库或下载压缩的源代码文件。 $ git clone https://github.com/bhi-kimlab/DeepFam.git $ cd DeepFam 您可以通过帮

现在很常用的进化树构建工具，方便易学，亲测可用！

服务器容灾产品价格功能比对表 包括市面上比较多的单服务器和多服务器防灾产品的功能介绍和价格对比

mp3 音频文件 相似度 比对软件

【程序说明】 1、本程序用来对Oracle数据库进行结构比较，支持在线数据库比较和 离线数据库比较方式； 2、连接数据库无须在本地配置数据库连接，直接通过IP和端口以及相 应的数据库名称进行连接； 3、纯绿色软件，无须安装，拷贝即可使用，不修改注册表等； 4、在WinXP SP3 及Win2003 SP2 环境下进行过测试，对于其他版本 Windows操作系统没有进行过测试，欢迎您将测试结果告诉我； 5、如果在运行的过程中发现异常，欢迎您将程序运行目录下自动产生 的OraDBCompPro.LOG发送给我