ENGLISH | 简体中文

海洋广义算子建模（GOMO）是基于OpenArray v1.0的三维海洋模型，OpenArray v1.0是用于海洋建模和并行计算解耦的简单算子库（Xiaomeng Huang et al，2019）。GOMO是一种使用有限微分算法求解偏微分方程的数值解模型，使用MindSpore和GPU/Ascend求解这些PDE方程能得到较大的性能提升。

数据集

数据集: Seamount

数据size: 65x49x21
数据格式: .nc文件
数据集位于./data目录下，目录结构如下:

├── data
│   └── seamount65_49_21.nc

您如果需要手动下载数据集或checkpoints文件，请访问此链接。

环境要求

硬件（Ascend/GPU）
- 使用 Ascend 或 GPU 处理器准备硬件环境。
框架
- MindSpore
欲了解更多信息，请查看以下资源:
- MindSpore教程
- MindSpore Python API

快速开始

通过官网安装好MindSpore和上面需要的数据集后，就可以开始训练如下:

在 Ascend 或 GPU 上运行

默认:

python train.py

完整命令:

python train.py \
    --load_data_path ./data \
    --output_path ./data/outputs \
    --save_ckpt true \
    --save_ckpt_path ./checkpoints \
    --load_ckpt_path ./checkpoints/model_final.ckpt \
    --force_download false \
    --download_data ocean_model \
    --im 65 \
    --jm 49 \
    --kb 21 \
    --stencil_width 1 \
    --epochs 10 \
    --amp_level O0 \
    --mode 0

脚本说明

脚本和示例代码

文件结构如下:

├── deep_hpms
│   ├── checkpoints                      # checkpoint文件
│   ├── data
│   │   └── seamount65_49_21.nc          # 数据集文件
│   ├── logs                             # 日志文件目录
│   ├── src                              # 源代码目录
│   │   ├── GOMO.py                      # GOMO模型
│   │   ├── Grid.py                      # 网格定义
│   │   ├── stencil.py                   # stencil算子
│   │   ├── oa_operator.py               # stencil kernel算子
│   │   ├── read_var.py                  # 从数据集中读取变量
│   │   └── utils.py                     # 模型setup
│   ├── config.yaml                      # 超参数配置
│   ├── README.md                        # 英文模型说明
│   ├── README_CN.md                     # 中文模型说明
│   ├── train.py                         # python训练脚本
│   └── eval.py                          # python评估脚本

训练过程

在 Ascend 或 GPU 上运行
```
python train.py
```

模型说明

可设置的模型参数如下:

参数	说明	默认值
load_data_path	加载数据的路径	./data
output_path	保存结果的路径	./data/outputs
save_ckpt	是否保存checkpoint	true
save_ckpt_path	checkpoint保存路径	./checkpoints
load_ckpt_path	checkpoint加载路径	./checkpoints/model_final.ckpt
force_download	是否强制下载数据	false
download_data	需下载数据集/checkpoints的模型	ocean_model
amp_level	MindSpore自动混合精度等级	O0
mode	MindSpore图模式(0)或Pynative模式(1)	0
device_id	设置用来训练推理的卡id	None
im	GOMO变量 im	65
jm	GOMO变量 jm	49
kb	GOMO变量 kb	21
stencil_width	stencil宽度	1
epochs	时期（迭代次数）	10

评估性能

参数	值
Resource	GPU(Tesla V100 SXM2)，Memory 16G
Dataset	Seamount
Training Parameters	step=10, im=65, km=49, kb=21
Outputs	numpy file
Speed	17 ms/step
Total time	3 mins

GVP MindSpore / mindscience

目录

GOMO 描述

数据集