本书为有限元方法系列专著的第1卷——基本原理，涵盖了有限元分析的一些基础领域，同时还涉足有限元分析的前沿内容。
本卷共20章，内容广泛，既强调有限元的数学力学原理，又结合工程实际背景。
该书的第1版完成于1967年，到现在已出版第5版，历时40余年，成为有限元领域的经典著作，已有几代从事计算力学的学者从该书中受益。
本书可作为高年级本科生和研究生的课程学习参考书，也是从事有限元研究的科研人员和工程技术人员的重要学习文献。
对于希望进一步了解有关非线性固体力学有限元分析的读者，请阅读该系列专著的第2卷——固体力学（清华大学出版社，2006年6月出版）；
对于希望进一步了解有关流体力学有限元分析的读者，请阅读该系列专著的第3卷——流体力学。
本卷共20章，内容广泛，既强调有限元的数学力学原理，又结合工程实际背景。
该书的第1版完成于1967年，到现在已出版第5版，历时40余年，成为有限元领域的经典著作，已有几代从事计算力学的学者从该书中受益。
本书可作为高年级本科生和研究生的课程学习参考书，也是从事有限元研究的科研人员和工程技术人员的重要学习文献。
对于希望进一步了解有关非线性固体力学有限元分析的读者，请阅读该系列专著的第2卷——固体力学（清华大学出版社，2006年6月出版）；
对于希望进一步了解有关流体力学有限元分析的读者，请阅读该系列专著的第3卷——流体力学。
2023/8/5 8:46:05
190.46MB
1
VisualC++BuildTools2015离线包，官方版，无任何修改，下载完可查看文件签名，分卷压缩，共7部分，这是第4分部。
2023/8/1 19:27:19
250MB
1
培训关于批处理AI的分布式培训此仓库是有关如何使用BatchAI以分布式方式训练CNN模型的教程。
涵盖的场景是图像分类，但是该解决方案可以推广到其他深度学习场景，例如分段和对象检测。
图像分类是计算机视觉应用中的常见任务，通常通过训练卷积神经网络（CNN）来解决。
对于具有大型数据集的大型模型，单个GPU的训练过程可能需要数周或数月。
在某些情况下，模型太大，以致于无法在GPU上放置合理的批处理大小。
在这些情况下使用分布式培训有助于缩短培训时间。
在此特定方案中，使用Horovod在ImageNet数据集以及合成数据上训练ResNet50CNN模型。
本教程演示了如何使用三个最受欢迎的深度学习框架来完成此任务：TensorFlow，Keras和PyTorch。
有许多方法可以以分布式方式训练深度学习模型，包括数据同步和基于同步和异步更新的模型并行方法。
当前，最常见的场景是与同步更新并行的数据-这是最容易实现的，并且对于大多数用例而言已经足够。
在具有同步更新的数据并行分布式训练中，该模型在N个硬件设备之间复制，并且一小批训练样本被划分为N个微批次（参见图2）。
每个设备都
涵盖的场景是图像分类，但是该解决方案可以推广到其他深度学习场景，例如分段和对象检测。
图像分类是计算机视觉应用中的常见任务，通常通过训练卷积神经网络（CNN）来解决。
对于具有大型数据集的大型模型，单个GPU的训练过程可能需要数周或数月。
在某些情况下，模型太大，以致于无法在GPU上放置合理的批处理大小。
在这些情况下使用分布式培训有助于缩短培训时间。
在此特定方案中，使用Horovod在ImageNet数据集以及合成数据上训练ResNet50CNN模型。
本教程演示了如何使用三个最受欢迎的深度学习框架来完成此任务：TensorFlow，Keras和PyTorch。
有许多方法可以以分布式方式训练深度学习模型，包括数据同步和基于同步和异步更新的模型并行方法。
当前，最常见的场景是与同步更新并行的数据-这是最容易实现的，并且对于大多数用例而言已经足够。
在具有同步更新的数据并行分布式训练中，该模型在N个硬件设备之间复制，并且一小批训练样本被划分为N个微批次（参见图2）。
每个设备都
2023/7/28 19:18:56
437KB
1
表情识别系统；
所用平台windows10+Anaconda4.2.0(自带python3.5)-tensorflow1.2.1(cpu)-keras2.1.3+opencv-python3.4.0;所用网络，卷积神经网络包含了搭建网络的代码；
由于文件大于240M，就上传到了自己的网盘中；
此次作品为中国大学生计算机设计大赛作品，点击作品文件夹中的GUI1.EXE就可观看作品效果（电脑必须为64位）；
源代码在素材源码文件夹中；
请下载链接文件，去网盘中下载
所用平台windows10+Anaconda4.2.0(自带python3.5)-tensorflow1.2.1(cpu)-keras2.1.3+opencv-python3.4.0;所用网络，卷积神经网络包含了搭建网络的代码；
由于文件大于240M，就上传到了自己的网盘中；
此次作品为中国大学生计算机设计大赛作品，点击作品文件夹中的GUI1.EXE就可观看作品效果（电脑必须为64位）；
源代码在素材源码文件夹中；
请下载链接文件，去网盘中下载
2023/7/27 6:28:22
64B
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB