sciai.architecture.FNO2D

class sciai.architecture.FNO2D(in_channels, out_channels, resolution, modes, channels=20, depths=4, mlp_ratio=4, dtype=ms.float32)

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。

• dtype (dtype.Number) - 密集的计算类型。默认值： ms.float32。支持以下数据类型： ms.float16 或 ms.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 sciai.architecture.neural_operators import FNO2D
>>> B, H, W, C = 32, 64, 64, 1
>>> x = initializer(Normal(), [B, H, W, C])
>>> net = FNO2D(in_channels=1, out_channels=1, resolution=64, modes=12)
>>> output = net(x)
>>> print(output.shape)
(32, 64, 64, 1)