高密度脉冲电流作用下细晶粒热影响区的形成和热疲劳性能，林化强，赵宇光，本文研究了高密度脉冲电流作用下热作模具钢试样热影响区的形成机理和规律，通过分析脉冲电流作用后热影响区组织和性能分析，探讨

eSTREAM上公布的Grain算法的源代码，已经使用并成功运行。如果windows环境下不会调试，在linux中编译运行即可。

Sam Newman - Building Microservices. Designing Fine-Grained Systems - 2015

情感分析是研究和分析人们对不同产品，服务或主题的看法，观点，情感等。 电影评论，产品评论，推文等可以用作数据，并且可以分析用户的情绪，无论是正面的，负面的还是中立的。 情感分析可以使用多种技术和不同级别来完成。 根据需要，可以分析整个句子或文档。 组织可以使用情感分析的结果来改善其产品或服务的质量，情感分析可以帮助决策。 本文讨论了几种用于情感分析的技术。

主页和文档：http://marcoalopez.github.io/GrainSizeTools/ GrainSizeTools是一个免费的，开源的，跨平台脚本，用Python编写，提供了多种工具，用于（1）估算多晶材料的平均晶粒尺寸，（2 ）表征晶粒尺寸分布的性质（从表面分布或通过立体学近似于3D晶粒尺寸分布），并通过古测仪估算微分应力。 该脚本需要在平面截面上逐个晶粒地测量晶粒轮廓的区域作为输入，并且不需要具有Python编程语言的先前经验（请参阅下面的文档和FAQ）。 对于具有编码技能的用户，该脚本以模块化的方式组织，便于重用和代码扩展。 马萨诸塞州洛佩兹-桑切斯（2018）。 GrainSizeTools：一个Python脚本，用于基于晶粒尺寸进行晶粒尺寸分析和古测光。 开源软件杂志，3（30），863，https://doi.org/10.21105/joss.00863

CLUENER2020 中文细粒度命名实体识别 Fine Grained Named Entity Recognition

Linux运维-运维构架师-05-SaltStack数据系统-Grains.mp4

FineGym is provided by the Chinese University of Hong Kong.本数据集由香港中文大学提供。 finegym_categories.zip finegym_v1.0.zip

FineGrained PPT 本篇论文是郑宇团队法表在2021 AAAI的交通流预测的论文。基于郑宇团队之前在网格类时空数据的工作，本文将数据集划分为更小的粒度进行处理，同时用元学习器对额外特征（天气）和路网信息进行融合学习。本文的难点在于更细分的区域带来的参数量大难以处理等问题，如全局依赖更复杂，远距离的依赖需要求解更多的跳数，如果找常用卷积会带来计算量和内存容量的大幅度增长；同时额外因素经过全连接映射，最后需要映射到和交通流量同维度，也会造成太多的参数难以优化。 论文看起来似曾相识，却又有很好的创新点，实验设计也很完备，后来才发现也是郑宇网格类系列论文。本文依然没有专门对时间依赖用其他模型去处理，仍然是手工提取CPT时间序列。大体上还是基于CNN的，backbone处理了局部依赖，GloNet处理全局依赖并可以语义化理解。在backbone这里并不算创新，因为DeepLGR完全就是基于SENet去做的（但本文没有引用此文，我还对此保留意见。结果发现这篇也是郑宇团队的）。

MMAL网 这是论文用于细粒度的PyTorch实施（张帆，李萌，翟桂生，刘亦钊）由第27届国际多媒体建模国际会议（MMM2021）提供。 欢迎与我们讨论问题！ 目录 要求 的Python 3.7 pytorch 1.3.1 numpy的1.17.3 scikit图像0.16.2 Tensorboard 1.15.0 TensorboardX 2.0 tqdm 4.41.1 图像2.6.1 枕头6.1.0 数据集 下载数据集，并将提取的图像文件夹的内容复制到datasets / CUB 200-2011 / images中。 下载数据集并将提取的data / images文件夹的内容复制到datasets / FGVC_Aircraft / data / images ） 您也可以尝试其他细粒度的数据集。 培训TBMSL-Net 如果要训练MMAL-Net，请在运行py