文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindflow.cell.FNO1D

class mindflow.cell.FNO1D(in_channels, out_channels, n_modes, resolutions, hidden_channels=20, lifting_channels=None, projection_channels=128, n_layers=4, data_format='channels_last', fnoblock_act='gelu', mlp_act='gelu', add_residual=False, positional_embedding=True, dft_compute_dtype=mstype.float32, fno_compute_dtype=mstype.float16)

一维傅里叶神经算子（FNO1D）包含一个提升层、多个傅里叶层和一个解码器层。 有关更多详细信息，请参考论文 Fourier Neural Operator for Parametric Partial Differential Equations 。

参数：

• in_channels (int) - 输入中的通道数。

• out_channels (int) - 输出中的通道数。

• n_modes (Union[int, list(int)]) - 傅里叶层中，线性变换后保留的模态数。支持整型或由一个整型数组成的一维列表。

• resolutions (Union[int, list(int)]) - 输入中的维度。支持整型或由一个整型数组成的一维列表。

• hidden_channels (int) - FNOBlock的输入输出通道数。默认值： 20。

• lifting_channels (int) - 提升层中的中间层的通道数。默认值： None。

• projection_channels (int) - 解码器层中的中间层的通道数。默认值： 128。

• n_layers (int) - 傅里叶层的嵌套层数。默认值： 4。

• data_format (str) - 输入中的数据排布顺序。默认值： channels_last。支持以下类型： "channels_last" 和 "channels_first" 。

• fnoblock_act (Union[str, class]) - FNOBlock层的激活函数，支持字符串或激活函数类。默认值： "gelu"。

• mlp_act (Union[str, class]) - MLP层的激活函数，支持字符串或激活函数类。默认值： gelu。

• add_residual (bool) - 是否在FNOBlock层加上残差。默认值： False。

• positional_embedding (bool) - 是否嵌入位置信息。默认值： True。

• dft_compute_dtype (dtype.Number) - SpectralConvDft层中DFT的计算类型。默认值： mindspore.common.dtype.float32。支持以下数据类型： mindspore.common.dtype.float32 或 mindspore.common.dtype.float16。

• fno_compute_dtype (dtype.Number) - FNO skip处的计算类型。默认值： mindspore.common.dtype.float32。支持以下数据类型： mindspore.common.dtype.float32 或 mindspore.common.dtype.float16。GPU后端建议使用float32，Ascend后端建议使用float16。

输入：

• x (Tensor) - shape为 $(batch\mathrm{\_}size,resolutions,in\mathrm{\_}channels)$ 的Tensor。

输出：

Tensor，FNO网络的输出。

• output (Tensor) - shape为 $(batch\mathrm{\_}size,resolutions,out\mathrm{\_}channels)$ 的Tensor。

异常：

• TypeError - 如果 in_channels 不是int。

• TypeError - 如果 out_channels 不是int。

• TypeError - 如果 hidden_channels 不是int。

• TypeError - 如果 lifting_channels 不是int。

• TypeError - 如果 projection_channels 不是int。

• TypeError - 如果 n_layers 不是int。

• TypeError - 如果 data_format 不是str。

• TypeError - 如果 add_residual 不是bool。

• TypeError - 如果 positional_embedding 不是bool。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> import mindspore
>>> import mindflow
>>> from mindspore import Tensor
>>> import mindspore.common.dtype as mstype
>>> from mindflow.cell import FNO1D
>>> data = Tensor(np.ones([2, 128, 3]), mstype.float32)
>>> net = FNO1D(in_channels=3, out_channels=3, n_modes=[20], resolutions=[128])
>>> out = net(data)
>>> print(data.shape, out.shape)
(2, 128, 3) (2, 128, 3)