ENGLISH | 简体中文

PDE-Net求解对流扩散方程

概述

PDE-Net是Zichao Long等人提出的一种前馈深度网络用于从数据中学习偏微分方程，同时实现了准确预测复杂系统的动力学特性和揭示潜在的PDE模型。PDE-Net的基本思想是通过学习卷积核(滤波器)来逼近微分算子，并应用神经网络或其他机器学习方法来拟合未知的非线性响应。数值实验表明，即使在噪声环境中，该模型也可以识别被观测的动力学方程，并预测相对较长时间的动态行为。更多信息可参考PDE-Net: Learning PDEs from Data。

详见

快速开始

训练方式一：在命令行中调用train.py脚本

python train.py --config_file_path ./configs/pde_net.yaml --device_target Ascend --device_id 0 --mode GRAPH

其中，

--config_file_path表示参数和路径控制文件，默认值'./configs/pde_net.yaml'

--device_target表示使用的计算平台类型，可以选择'Ascend'或'GPU'，默认值'Ascend'；

--device_id表示使用的计算卡编号，可按照实际情况填写，默认值0；

--mode表示运行的模式，'GRAPH'表示静态图模式, 'PYNATIVE'表示动态图模式， 默认值'GRAPH'；

训练方式二：运行Jupyter Notebook

您可以使用中文版和英文版Jupyter Notebook逐行运行训练和验证代码。

性能

贡献者

gitee id：liulei277

email: liulei2770919@163.com