已注册函数 — GPU 支持概览#
图例说明#
[x] 支持:GPU 加速可用(原生、参数启用或由环境自动启用)。
[ ] 不支持:仅 CPU 实现。
如需启用 GPU,请先初始化环境(如有需要):
ov.settings.gpu_init()(RAPIDS)或ov.settings.cpu_gpu_mixed_init()(混合模式)。实际 GPU 使用情况还取决于相关依赖是否以 GPU 支持方式安装。
设置#
[x]
ov.settings.gpu_init:初始化 RAPIDS/GPU 模式。[x]
ov.settings.cpu_gpu_mixed_init:初始化 CPU–GPU 混合模式。
预处理 (ov.pp)#
[x]
ov.pp.anndata_to_GPU:将 AnnData 移至 GPU(RAPIDS)。[ ]
ov.pp.anndata_to_CPU:将数据移回 CPU。[x]
ov.pp.preprocess:端到端预处理(gpu rapids)。mode='shiftlog|pearson'[x] normalize_total/log1p(gpu rapids)。
[x] HVGs = pearson_residuals(gpu rapids)。
mode='pearson|pearson'[x] normalize_pearson_residuals(gpu rapids)。
[x] HVGs = pearson_residuals(gpu rapids)。
[x]
ov.pp.scale:数据缩放(gpu rapids)。[x]
ov.pp.pca:PCA(gpu rapids | cpu-gpu-mixed[torch|mlx])。[ ]
ov.pp.neighbors:KNN 图(按method参数区分)。[ ]
method='umap'(基于 UMAP 的邻域估计,CPU)。[ ]
method='gauss'(高斯核,CPU)。[x]
method='rapids'(gpu rapids)。
[ ]
ov.pp.umap:UMAP(按实现区分)。[ ] Scanpy UMAP(
settings.mode='cpu')。[x] RAPIDS UMAP(
settings.mode='gpu',gpu rapids)。[x] PyMDE/torch 路径(
settings.mode='cpu-gpu-mixed',cpu-gpu-mixed[torch])。
[x]
ov.pp.qc:质量控制(gpu rapids | cpu-gpu-mixed[torch])。[ ]
ov.pp.score_genes_cell_cycle:细胞周期评分。[x]
ov.pp.sude:SUDE 降维(cpu-gpu-mixed[torch])。
工具函数 (ov.utils)#
[x]
ov.utils.mde:最小失真嵌入(all[torch])。[ ]
ov.utils.cluster:多算法聚类(按算法区分如下)。[x] Leiden(cpu[igraph]cpu-gpu-mixed[pyg])。
[ ] Louvain(Scanpy,CPU)。
[ ] KMeans(scikit-learn,CPU)。
[ ] GMM/mclust(scikit-learn,CPU)。
[ ] mclust_R(R 包 mclust,CPU)。
[ ] schist(schist 库,CPU)。
[ ] scICE(当前以
use_gpu=False调用)。
[ ]
ov.utils.refine_label:邻域投票标签细化。[ ]
ov.utils.weighted_knn_trainer:训练加权 KNN。[ ]
ov.utils.weighted_knn_transfer:加权 KNN 标签转移。
单细胞 (ov.single)#
[ ]
ov.single.batch_correction:批次校正(按方法区分如下)。[ ] harmony(Harmony,CPU)。
[ ] combat(Scanpy Combat,CPU)。
[ ] scanorama(Scanorama,CPU)。
[x] scVI(all[torch])。
[ ] CellANOVA(CPU)。
[x]
ov.single.MetaCell:SEACells(all[torch])。[ ]
ov.single.TrajInfer:轨迹推断(按方法区分如下)。[ ] palantir(CPU)。
[ ] diffusion_map(CPU)。
[ ] slingshot(CPU)。
[x]
ov.single.Fate:TimeFateKernel(all[torch])。[x]
ov.single.pyCEFCON:CEFCON 驱动因子发现(all[torch])。[x]
ov.single.gptcelltype_local:本地 LLM 注释(all[torch])。[x]
ov.single.cNMF:cNMF(all[torch])。[ ]
ov.single.CellVote:多方法投票。[ ]
scsa_anno(SCSA,CPU)。[ ]
gpt_anno(在线 GPT,CPU/网络)。[ ]
gbi_anno(GPTBioInsightor,CPU/网络)。[ ]
popv_anno(PopV,CPU)。
[ ]
ov.single.gptcelltype:在线 GPT 注释。[ ]
ov.single.mouse_hsc_nestorowa16:加载数据集。[ ]
ov.single.load_human_prior_interaction_network:加载先验网络。[ ]
ov.single.convert_human_to_mouse_network:跨物种基因符号转换。
空间转录组 (ov.space)#
[x]
ov.space.pySTAGATE:STAGATE 空间聚类(all[torch])。[ ]
ov.space.clusters:多方法空间聚类(按方法区分如下)。[x] STAGATE(all[torch])。
[x] GraphST(all[torch])。
[x] CAST(all[torch])。
[x] BINARY(all[torch])。
[ ]
ov.space.merge_cluster:合并聚类。[ ]
ov.space.Cal_Spatial_Net:构建空间邻域图。[x]
ov.space.pySTAligner:STAligner 整合(all[torch])。[x]
ov.space.pySpaceFlow:SpaceFlow 空间嵌入(all[torch])。[ ]
ov.space.Tangram:Tangram 去卷积(按模式区分如下)。[x]
mode='clusters'(all[torch])。[x]
mode='cells'(all[torch])。
[ ]
ov.space.svg:空间可变基因(基于统计,无明确 GPU)。[x]
ov.space.CAST:CAST 整合(all[torch])。[ ]
ov.space.crop_space_visium:裁剪空间图像/坐标。[ ]
ov.space.rotate_space_visium:旋转空间图像/坐标。[ ]
ov.space.map_spatial_auto:自动映射(按方法区分如下)。[x]
method='torch'(all[torch])。[ ]
method='phase'(NumPy,CPU)。[ ]
method='feature'(基于特征的匹配,CPU)。[ ]
method='hybrid'(混合流程,CPU)。
[ ]
ov.space.map_spatial_manual:手动偏移映射。[ ]
ov.space.read_visium_10x:读取 Visium 数据。[x]
ov.space.visium_10x_hd_cellpose_he:H&E 分割(gpu=True)。[ ]
ov.space.visium_10x_hd_cellpose_expand:标签扩展。[x]
ov.space.visium_10x_hd_cellpose_gex:GEX 分割/映射(gpu=True)。[ ]
ov.space.salvage_secondary_labels:合并标签。[ ]
ov.space.bin2cell:Bin 转细胞。
外部模块 (ov.external)#
[x]
ov.external.GraphST.GraphST:GraphST(device支持 GPU)。[ ]
ov.bulk.pyWGCNA:WGCNA(CPU 实现)。
绘图 (ov.pl)#
[ ]
ov.pl.*(_single/_bulk/_density/_dotplot/_violin/_general/_palette):绘图 API。
Bulk (ov.bulk)#
[ ]
ov.bulk.*(_Deseq2/_Enrichment/_combat/_network/_tcga):统计、富集和网络分析。