以舟曲泄流坡滑坡野外考察地质资料为基础，结合滑坡动力分析软件DAN-W对泄流坡滑坡全程运动进行模拟，着重探讨了铲刮效应以及不同流变模型对滑坡数值模拟的影响。结果表明：不同铲刮深度下，滑坡堆积体形态相似，堆积厚度随铲刮深度的加深而加大，运行时间随铲刮深度的加深而减少。F-V模型对泄流坡模拟的滑程最大可达255.75m, Frictional模型模拟得到的最大堆积厚度为201.73m，最大前缘速度为17.75m/s，最长运行时间为64s，并给出了泄流坡滑坡模拟最佳的流变参数，摩擦角为18°，摩擦系数为0.1，

英文版，带书签，揭露硅谷真相，给自己打好预防针

Dan_Saks总结的 const所有用法，给你一种颠覆性的感觉，从以往对const的模糊理解中彻底清除应用

从淘宝上买的电子版，现在免费送给大家。 前面八九章对做计算机的比较有帮助。后面的问题很多和生物化学问题关联，在general的string处理中有多大用处。

图像卷积操作matlab代码TensorFlow中的单发面部检测器 该存储库包含TensorFlow中几个单镜头面部检测器的非官方重新实现。 。 单击以获取Caffe中的官方代码（仅用于评估）。 。 单击以获取PaddlePaddle中的官方代码。 DAN（动态锚定路由网络）：一种新颖的框架尝试对极小的人脸进行就地级联检测。 用法 下载并重新组织目录，如下所示： WIDER Face Dataset/ |->WIDER_train/ | |->images/ | |->... |->WIDER_val/ | |->images/ | |->... |->WIDER_test/ | |->images/ | |->... |->wider_face_split/ | |->wider_face_train.mat | |->... ''' WIDER_ROOT is your path of the WIDER Face Dataset. 运行以下脚本以生成TFRecords。 python dataset/convert_tfrecords.py --dataset_directory

完整代码，可直接运行

很经典的字符串序列算法书籍，目前我还没有找到中文版的。这个是高清影印版本，英文的。其中讲述各种字符串匹配算法，包括KMP、BM等等。

Pytoch_DAN 这是的的简单实现pytorch。 本文介绍了一种简单有效的方法通过丢失MMD来完成对domian的适应。 根据这篇论文， 多层功能可适应MMD损失。 本文基于模型在AlexNet上进行了测试，并在多个数据集上进行了测试，而这项工作只是利用了LeNet并在MNIST和MNIST_M数据集上进行测试。 原始实现喝咖啡的人。 数据 在这项工作中，在实验中使用了MNIST和MNIST_M数据集。 MNIST数据集可以通过torchvision.datasets下载。 MINIST_M数据集可以是downloa- 在。 然后，您可以将文件提取到数据目录中， ctory并运行preprocess.py以使该目录可用于torchvision.datasets.ImageFolder ： python preprocess.py 如果您无法从下载MNIST_M数据集，则可以ld

Example program for a food industry packaging machine

WS-DAN的PyTorch实现 介绍 这是“先看好：用于细粒度”一文的PyTorch实现。 它还具有正式的TensorFlow实现 。 该代码的核心部分指的是正式版本，最后，性能几乎达到了本文所报告的结果。 环境 Ubuntu 16.04，GTX 1080 8G * 2，CUDA 8.0 使用Python = 3.6.5，PyTorch = 0.4.1，torchvison = 0.2.1等的Anaconda。 必要时，某些第三方依赖项可能会与pip或conda一起安装。 结果 数据集 ACC（此仓库） ACC提炼（此仓库） ACC（纸） CUB-200-2011 88.20 89.30 89.4 FGVC飞机 93.15 93.22 93.0 斯坦福汽车 94.13 94.43 94.5 斯坦福犬 86.03 86.46 92.2 您可以从下载预训练