文档反馈mindearth.cell.AFNONet
- class mindearth.cell.AFNONet(image_size=(128, 256), in_channels=1, out_channels=1, patch_size=8, encoder_depths=12, encoder_embed_dim=768, mlp_ratio=4, dropout_rate=1.0, compute_dtype=mindspore.float32)[源代码]
AFNO是一个基于傅立叶神经算子（FNO）并结合Vision Transformer结构的深度学习模型。 有关更多详细信息，请参考论文 Adaptive Fourier Neural Operators: Efficient Token Mixers For Transformers 。
- 参数：
image_size (tuple[int]) - 输入图像的尺寸。默认值： (128, 256)。
in_channels (int) - 输入中的通道数。默认值：
1。out_channels (int) - 输出中的通道数。默认值：
1。patch_size (int) - 图像的path尺寸。默认值：
8。encoder_depths (int) - encoder层的层数。默认值：
12。encoder_embed_dim (int) - encoder层的编码器维度。默认值：
768。mlp_ratio (int) - 解码器层的通道数提升比率。默认值：
4。dropout_rate (float) - dropout层的速率。默认值：
1.0。compute_dtype (dtype) - encoder层、decoding_embedding层、decoder层和dense层的数据类型。默认值：
mstype.float32。
- 输入：
x (Tensor) - shape为
- 输出：
Tensor，AFNO网络的输出。
output (Tensor) - shape为
- 支持平台：
AscendGPU
样例：
>>> import numpy as np >>> from mindspore.common.initializer import initializer, Normal >>> from mindearth.cell import AFNONet >>> B, C, H, W = 16, 20, 128, 256 >>> input_ = initializer(Normal(), [B, C, H, W]) >>> net = AFNONet(image_size=(H, W), in_channels=C, out_channels=C, compute_dtype=dtype.float32) >>> output = net(input_) >>> print(output.shape) (16, 128, 5120)
