PINN层流 物理信息神经网络（PINN），用于解决流体动力学问题 参考纸 此回购包括论文中混合形式的物理信息神经网络的实现： 本文已由TAML发布，有权访问Elsevier数据库的人员可以访问以获取适用于照相机的版本。 每个文件夹的说明 FluentReferenceMu002 ：Ansys Fluent的参考解决方案，可实现稳定的流量； PINN_steady ：用PINN实现稳定流； PINN_unsteady ：用PINN实现非恒定流； 结果概述 穿过圆柱体的稳定流（左：物理信息神经网络；右：Ansys Fluent。） 穿过圆柱体的瞬态流（基于物理的神经网络结果） 笔记 这些实现是在TensorFlow 1.10.0的GPU版本上开发和测试的。

tensorflow由于其基于静态图的模式，导致写代码的时候很难调试，除了用官方的调试工具外，最直接的方法就是把中间结果输出出来查看，然而，直接用print函数只能输出tensor变量的形状，而不是数值，想要输出tensor的具体数值需要用tf.Print函数。网上有很多关于这个函数使用方法的说明，这里简要介绍： Print( input_, data, message=None, first_n=None, summarize=None, name=None ) 参数： input_：通过这个操作的张量。 （流入的数据流） data：计算 op 时要打印的张量列表。（用[ ]

Flow3D学习——3 算例1 Aerospace Tutorial Flow3D学习——5 算例3 Hydraulics Tutorial Flow3D初级教程已经算例

以一个简单的案例，详尽介绍了flow3D软件的操作使用。每一步的操作都很清楚，语言并配有操作界面的截图，希望对小白有帮助。

先上代码： import tensorflow as tf x = tf.ones(shape=[100, 200], dtype=tf.int32, name='x') y = tf.zeros(shape=[2, 3], dtype=tf.float32, name='y') with tf.Session() as sess: print(sess.run([x, y])) 输出结果如下： 如果我调试的时候想查看省略号代表的值是什么 只需要改成如下代码就行： import tensorflow as tf import numpy as np #借助numpy模块的set_pr

ANSYS Polyflow 介绍及简单教程，俄文的，备好翻译软件

Matlab圆柱绕过代码通过稀疏表示从有限的测量中进行稳健的流场重建 J.Callaham，K.Maeda和SL Brunton的数据分析和数据代码（2018） 取得资料 除了混合层数据（使用DoD资源生成）之外，所有数据都是公开可用的。 Re = 100气缸流量数据可从 NOAA OISST v2数据可用，或者可以使用脚本自动下载到noaa-sst \ remote_read.m中 与HYCOM墨西哥湾数据相同-在线，但是可以使用hycom \ remote_read.m中的脚本自动下载和格式化 所需的包 此处提供的所有代码都是为MATLAB R2018a编写的，并且在很大程度上依赖于免费提供的软件包。 该代码的某些部分还使用了Ron Rubenstein的K-SVD和OMP算法的实现。

454

内部流动最全、最系统、最简明的流动教程，流动专业必读书目。

基于sentinel的1.7.2 release版本进行改造， 支持全局流控规则的动态管理配置