Deeplearning.AI_Tensorflow_Developer__Professional_Certificate 该存储库包含来自Coursera的Deeplearning.AI Tensorflow开发人员专业证书课程的完整作业和测验

tensorflow-internals：这是有关TensorFlow内核和实现机制的开源电子书

12.3 流体分析的参数和单位 FLAC 3D 渗流计算中涉及的参数包括渗透系数、密度、Biot 系数和 Biot 模量（颗粒可压缩 土体中的渗流），或者流体体积模量和孔隙率（只适用于颗粒不可压缩的土体）。 12.3.1 渗透系数 渗透系数是流体计算的主要参数之一，值得注意的是，FLAC 3D 中渗透系数 k 与一般土力 学中的概念不同。FLAC 3D 中 k 的国际单位是（m 2 /Pa/sec），与土力学中渗透系数 K（cm/s） 之间存在如下换算关系： 2 -6 a (m /P sec) (cm/s) 1.02 10k K    （12-1） 可见，在 FLAC 3D 计算中需要将实验室获得的土体渗透系数参数乘以 1.02×10 -6 才能用于 计算。 FLAC 3D 流体计算的时间步与渗透系数有关，渗透系数越大则稳定时间步越小，达到收敛 的计算时间就越长。如果模型中含有多种不同的渗透系数时，时间步是由最大的渗透系数决 定的。在稳态渗流计算中，可以人为地减小模型中多个渗透系数之间的差异，以提高收敛速 度。例如，渗透系数之间的差异 20 倍与 200 倍计算得到的最终稳定的渗流状态基本没有差 别。以下是一些渗透系数的典型值： 花岗岩、岩石： 10 -19 m 2 /Pa-sec 石灰岩： 10 -17 m 2 /Pa-sec 砂岩： 10 -15 m 2 /Pa-sec 粘土： 10 -13 m 2 /Pa-sec 砂土： 10 -7 m 2 /Pa-sec 另外，渗透系数是单元参数，必须使用 PROPERTY 命令进行赋值。 12.3.2 密度 当问题中涉及到重力荷载时必须设置密度参数，FLAC 3D 中涉及的密度参数有 3 种：土体 的干密度 d  ，土体的饱和密度 s  以及流体的密度 f  。 在渗流模式（设置 CONFIG fluid）中，只需要设置土体的干密度，FLAC 3D 会按照式（12-2） 自动计算每个单元的饱和重度。 s d f ns    （12-2）

Hands-On Machine Learning with Scikit-Learn and TensorFlow + 源码

自己编译的Tensorflow-Gpu C++ 开发包，Windows x64系统 Vs2015 Cuda 10.2 Cudnn7.6 文件中是百度网盘提取码。

分享tensorflow2.8.0资源包用于C++开发，希望更多的人能够有所收获。 如果有梯子能力，可以直接自行从外网tensorflow官网下载。

利用别人训练好的模型进行图像识别，实现Tensorflow快速入门！

数据包括历史光伏逆变器数据，首先利用pycaret筛选模型，后使用tensorflow-keras框架构建lstm完成光伏发电预测

本资源是https://jarod.blog.csdn.net/article/details/127636618的配到资源，详细讲解了如何从零开始用TensorFlow搭建TextCNN，完成文本分类任务。 包含完整源代码和教程文档。模型搭建在Jupyter环境，可以根据教程文档或参考源代码自己一步一步实现自己的TextCNN，并在自己的数据集上训练出自己的模型。 模型在测试集上准确率达到96.45%，可以满足生产使用。

TensorFlow中的深度学习模型 该存储库包含使用实现几种深度学习模型的jupyter笔记本。 每个笔记本均包含有关每种型号的详细说明，希望可以简化所有步骤。 笔记本在Python 3.6，Tensorflow 1.8中运行 楷模：