mindflow.geometry.HyperCube

class mindflow.geometry.HyperCube(name, dim, coord_min, coord_max, dtype=np.float32, sampling_config=None)

超立方体对象的定义。

参数：

• name (str) - 超立方体的名称。

• dim (int) - 维数。

• coord_min (Union[int, float, tuple, list, numpy.ndarray]) - 超立方体的最小坐标。若参数类型为tuple或list，元素类型支持tuple[int, int]，tuple[float, float]，list[int, int]，list[float, float]。

• coord_max (Union[int, float, tuple, list, numpy.ndarray]) - 超立方体的最大坐标。若参数类型为tuple或list，元素类型支持tuple[int, int]，tuple[float, float]，list[int, int]，list[float, float]。

• dtype (numpy.dtype) - 采样点数据类型的数据类型。默认值： numpy.float32。

• sampling_config (SamplingConfig) - 采样配置。默认值： None。

异常：

• TypeError - sampling_config 不是类采样配置的实例。

支持平台：

Ascend GPU

样例：

>>> from mindflow.geometry import generate_sampling_config, HyperCube
>>> hypercube_random = dict({
...      'domain': dict({
...          'random_sampling': True,
...          'size': 1000,
...          'sampler': 'uniform'
...         }),
...      'BC': dict({
...          'random_sampling': True,
...          'size': 200,
...          'sampler': 'uniform',
...          'with_normal': False,
...      }),
...  })
>>> sampling_config = generate_sampling_config(hypercube_random)
>>> hypercube = HyperCube("HyperCube", 3, [-1, 2, 1], [0, 3, 2], sampling_config=sampling_config)
>>> domain = hypercube.sampling(geom_type="domain")
>>> bc = hypercube.sampling(geom_type="BC")
>>> print(domain.shape)
(1000, 3)

sampling(geom_type='domain')

采样点。

参数：

• geom_type (str) - 几何类型，可以是 "domain" 或者 "BC" 。默认值： "domain"。

  • "domain": 问题的可行域。

  • "BC": 问题的边界条件。

返回：

Numpy.ndarray，如果配置选择包括法向向量，返回带边界法向向量的二维numpy数组。否则返回不带边界法向向量的二维numpy数组。

异常：

• ValueError - 如果 config 为 None。

• KeyError - 如果 geom_type 为 "domain"，但 config.domain 为 None。

• KeyError - 如果 geom_type 为 "BC"，但 config.bc 为 None。

• ValueError - 如果 geom_type 既不是 "BC" 也不是 "domain"。