流体 内容 什么是流体？ Fluids 是面向在化学、机械或土木工程领域工作的工程师和技术人员的开源软件。 它包括管道、配件、泵、罐、可压缩流、明渠流、大气特性、太阳能特性、粒度分布、两相流、摩擦系数、控制阀、Kong板和其他流量计、喷射器、减压模块阀门等。 流体库旨在成为与流体动力学相关的工程知识和实用程序的低开销、轻量级存储库。 Fluids 最初与 SciPy 和 NumPy 紧密集成； 今天，它们是可选组件，仅用于少量功能，没有实现纯 Python 数值方法。 Fluids 面向 Python 2.7 及更高版本以及 PyPy2 和 PyPy3。 此外，流体已被作者测试加载到 IronPython、Jython 和 micropython 中。 虽然 Fluids 中的例程通常非常快并且尽可能高效地编码，但根据应用程序，仍然可能需要更高的速度。 PyPy 为大多数方法提

用Perl编写的生物信息学工具 这里的大多数脚本是在我从事不同项目时编写的，我认为这对其他人将很有用，并且可以根据需要进行扩展/修改。 IO ::常规 脚本使用自定义 Perl模块。 请通过浏览目录查看安装说明。 如果要安装lncRNApipe Pipeline，则会自动安装IO::Routine模块。 需要Bio::SeqIO模块已安装且可用。 nc lncRNA管道 从头开始提取推定的新型lncRNA的管道，其中提供了从深度测序数据（例如：RNA-Seq）和注释数据组装而成的GTF格式的转录本列表。 转到目录以获取脚本列表。 安装lncRNApipe及其所有依赖项（Mac和

SSGI-URP 通用渲染管线的屏幕空间全局照明。这是为Godot Engine写的SSGI着色器的端口。它适合用作Unity的Universal Render Pipeline的渲染功能。 请记住，这是SSGI的简单实现，并不完美。如果您将噪声和样本数量保持在较低水平，则性能会很好。 要求 Unity 2019.3+ 通用渲染管线7.2+ 启用深度纹理 在Windows 10上测试 启用S​​SGI 禁用SSGI 设置 范围 角色 样品数 要使用多少个样本。 8到16之间的值适合表演 间接金额 间接GI Boost。表演不花钱 噪音量 在最终渲染中添加一些噪点，影响性能，将其降低到2 噪音 启用或禁用噪音 用法 创建或打开URP项目 打开包管理器窗口 通过单击+图标将此存储库添加为软件包 过去的https://github.com/demonixis/SSGI-URP.git 向您的渲

FragPipe 是一套计算工具的 Java 图形用户界面 (GUI)，能够对基于质谱的蛋白质组学数据进行综合分析。 它由提供- 一种适用于常规和“开放”（宽前体质量耐受性）肽识别的超快蛋白质组学搜索引擎。 FragPipe 包括工具包，用于 MSFragger 搜索结果（PeptideProphet、iProphet、ProteinProphet）的下游后处理、FDR 过滤、基于标签的量化和多实验总结报告生成。 和以帮助解释开放搜索结果。 FragPipe 二进制文件中还包括用于基于 TMT/iTRAQ 同量异位标记量化的 、用于具有运行间匹配 (MBR) 功能的无标签量化的 、SpectraST 和 EasyPQP 谱库构建模块以及 DIA-Umpire SE 模块用于直接分析数据独立采集 (DIA) 数据。 FragPipe 教程 （涵盖所有 FragPipe 模块的通用教程）

CrazyTalk v8.1 Pipeline Trial.lnk

geom_lighting.m matlab脚本实现了3D图形管线的世界变换、视图变换、投影变换、背面剔除等阶段。本项目将帮助你了解3D图形管线是如何实现的，如何进行旋转，如何变换对象从模型空间到世界，从世界到视图空间。 它涉及转换的所有数学计算以及照明计算。 您必须在 geom_lighting.m 中手动更改参数以选择不同的选项。

GoEmotions火炬手 使用实现Pytorch实现 什么是GoEmotions 数据集以28种情感标记为58000个Reddit评论 钦佩，娱乐，愤怒，烦恼，批准，关怀，困惑，好奇心，欲望，失望，不赞成，厌恶，尴尬，兴奋，恐惧，感激，悲伤，喜悦，爱，紧张，乐观，骄傲，意识到，缓解，后悔，悲伤，惊喜+中立 训练细节 使用基于bert-base-cased （与论文的代码相同） 在本文中，使用了3种分类法。 我还使用用于分类hierarchical grouping和ekman新分类标签制作了数据。 原始GoEmotions （27种情感+中性） 分层分组（正，负，模棱两可+中性） 艾克曼（愤怒，厌恶，恐惧，喜悦，悲伤，惊奇+中立） 词汇 我已分别将[unused1] ， [unused2]替换为[NAME]和[RELIGION] 。 [PAD] [NAME] [RELIGI

在 MATLAB 中实现的简单轻量级相机图像处理管道。 首先运行 DEMO.m 这是用于从智能手机图像去噪数据集 (SIDD) 的原始 RGB 图像渲染 sRGB 图像的代码https://www.eecs.yorku.ca/~kamel/sidd/ 此代码对 CodaLab 上真实图像去噪挑战的参与者有帮助： NTIRE 2019 真实图像去噪挑战赛 - 赛道 1：Raw-RGB https://competitions.codalab.org/competitions/21258 NTIRE 2019实像去噪挑战-音轨2：sRGB https://competitions.codalab.org/competitions/21266 享受！

AIISP ISP Python 深度学习 基于Python ISP设计

KBQA_zh 基于bert的KBQA，包含joint和pipeline两种模式 Introduction 本项目是一个基于知识三元组的简单的问答系统，分为joint和pipeline两种模式。joint模式为基于bert做意图识别和命名体识别的联合学习训练得到的模型，pipeline模式为单独训练命名实体识别和QA相似度模型。 Environment tensorflow 1.15 python 3.6 pymysql 0.10.1 grpcio 1.32.0 grpcio-tools 1.32.0 How to run 首先需要下载bert的中文预训练模型放在chinese_L-12_H-768_A-12文件夹下， 然后，以pipeline模式为例，执行如下命令，训练命名实体识别模型和问答模型： 1. cd qa_pipeline 2. sh run_ner.sh 3. sh run_