mindflow.cell.FNO2D

class mindflow.cell.FNO2D(in_channels, out_channels, resolution, modes, channels=20, depths=4, mlp_ratio=4, compute_dtype=mstype.float32)[源代码]

二维傅里叶神经算子(FNO2D)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。

  • resolution (int) - 输入的分辨率。

  • modes (int) - 要保留的低频分量的数量。

  • channels (int) - 输入提升尺寸后的通道数。默认值: 20

  • depths (int) - FNO层的数量。默认值: 4

  • mlp_ratio (int) - 解码器层的通道数提升比率。默认值: 4

  • compute_dtype (dtype.Number) - 密集的计算类型。默认值: mindspore.common.dtype.float32。支持以下数据类型: mindspore.common.dtype.float16mindspore.common.dtype.float32。GPU后端建议使用float32,Ascend后端建议使用float16。

输入:
  • x (Tensor) - shape为 \((batch\_size, resolution, resolution, in\_channels)\) 的Tensor。

输出:

Tensor,此FNO网络的输出。

  • output (Tensor) - shape为 \((batch\_size, resolution, resolution, out\_channels)\) 的Tensor。

异常:
  • TypeError - 如果 in_channels 不是int。

  • TypeError - 如果 out_channels 不是int。

  • TypeError - 如果 resolution 不是int。

  • TypeError - 如果 modes 不是int。

  • ValueError - 如果 modes 小于1。

支持平台:

Ascend GPU

样例:

>>> import numpy as np
>>> from mindspore.common.initializer import initializer, Normal
>>> from mindflow.cell.neural_operators import FNO2D
>>> B, H, W, C = 32, 64, 64, 1
>>> input = initializer(Normal(), [B, H, W, C])
>>> net = FNO2D(in_channels=1, out_channels=1, resolution=64, modes=12)
>>> output = net(input)
>>> print(output.shape)
(32, 64, 64, 1)