【SWASH模型】Linear progressive waves through a flume算例输入文件

复合材料渐进损伤分析利用ABAQUS子程序UMAT实现，Puck失效准则

注意：需要新款 Nvidia GPU（6xx 或更新版本）和 64 位 Windows 系统（7 或以上）。 不支持 AMD 卡烘焙。 不支持 Mac 产品。 已在 Unity 5.6 至 2019.3.4 的每个版本上测试。 生成的光照贴图兼容于所有平台。 用户手册 - 请务必阅读常见问题解答 论坛主题帖 功能： - 物理正确的烘焙光照。- 所有生成结果均与三叶线下渲染器进行了比较。 - 性能：用 GPU 来进行光线跟踪。 - 可利用 RTX 硬件（非必需）。 - 使用 NVidia AI Denoiser 来移除噪点，由深度学习驱动。 - 修复了常见的烘焙伪影，例如光照泄漏和 UV 接缝。 - 全局光照（支持自定义着色器）。 - 天空光照（HDRI 或颜色）。 -发射性纹理网格。 -IES 光线。 -定向、点状、聚光光源。 - 材质：支持反射率、自发光、镂空材质。 - 可生成完整和间接光照贴图，甚至每个光照都可生成混合光照。 - 可生成阴影遮蔽蒙版。 - 支持四种模式的定向烘焙（凹凸/高光）：主导方向（与大多数着色器兼容）、辐射着色法线贴图、像素球状

添加到主屏幕 添加到主屏幕（安装提示），使用户可以轻松地在其移动或台式设备上安装PWA。 用户接受提示后，您的PWA将被添加到他们的启动器中，并且它将像任何其他已安装的应用程序一样运行。 在这个项目中，我将显示一个自定义按钮，用户可以单击该按钮并将网站/ webapp添加到用户的主屏幕。 为了显示“添加到主屏幕”对话框，您需要： 监听beforeinstallprompt事件 通知用户您的应用程序可以通过按钮或其他元素进行安装，这将生成用户手势事件。 通过在保存的beforeinstallprompt事件上调用hint（）来显示提示。 我们还可以通过媒体查询@media all和（显示模式：独立）{/自定义样式，如果pwa是打开的窗体主屏幕图标/按钮{background：#ddd;}}检查用户是否打开了PWA窗体的主屏幕图标。 ::经过大量的努力和无数的网站争夺，我已经成功地编

论文笔记：Progressive Attention Guided Recurrent Network for Salient Object Detection-附件资源

渐进式GAN火炬 渐进式GAN的pytorch实现，可以实际工作，可读且易于自定义 描述 为了进行研究，我简化了训练Progressive-GAN的代码，使其更易于阅读和自定义。 此实现是可移植的，具有最小的库依赖性（仅torch和torchvision），并且只有2个代码模块。 在代码中，您可以轻松地调整训练模式，损失函数和网络结构等。 该论文的主要贡献是：1. GAN的逐步增长； 2.鉴别器上的minibatch std； 3.生成器上的pixel-norm； 4.均等的学习速度； 已全部实施。 享受不断发展的基础设施的好处，并将其移植到您自己的研究和产品中！ 怎么跑 要开始训练，只需运行： python train.py --path /path/to/image-folder 具有更多配置的示例可以是： python train.py --path /path/to/ima

纸 ： 您会在一些关键功能中找到一些有用的注释，这可能有助于从本文中找到详细的说明。 ENV： 操作系统：Win10 的Python 3.6.3 CUDA 8.0 pytorch Windows-py3.6-cuda8 PIL 4.3.0 numpy的1.13.3 如何使用 ： Gen Image数据集：首先下载CelebA，然后在train.py文件中运行“ gen_classified_images”功能。 if __name__ == "__main__": gen_classified_images(r"E:\workspace\datasets\CelebA\Img\img_align_celeba", centre_crop=True, save_to_local=True) 此功能只是调整原始图像的大小，如果您想测试CelebA-HQ数据集，请遵循说

本资源是Keqi Zhang 等人提出的Progressive Morphological Filter算法最原始的文章，用于点云数据地面点分割，以生成DEM/DTM，算法已经集成在点云开源库PCL中，可以很方便的进行使。（根据对此算法的理解，总结在博客中。）

体素科技肺叶分割Automatic Segmentation of Pulmonary Lobes Using a Progressive Dense V-Network

获取辐射图并绘制行波天线的电场和功率密度的程序，其中将天线的物理长度作为数据输入。