sciai.common.Sampler

class sciai.common.Sampler(dim, coords, func, name=None)

常用的数据采样器。

参数：

• dim (int) - 数据的维度。

• coords (Union[array, list]) - 下界坐标和上界坐标，例如[[0.0, 0.0], [0.0, 1.0]]。

• func (Callable) - 精确解函数。

• name (str) - 采样器名称。默认值：None。

支持平台：

GPU CPU Ascend

样例：

>>> import numpy as np
>>> from sciai.common import Sampler
>>> def u(x_):
>>>     t = x_[:, 0:1]
>>>     x = x_[:, 1:2]
>>>     return np.exp(-t) * np.sin(500 * np.pi * x)
>>> ics_coords = np.array([[0.0, 0.0], [0.0, 1.0]])
>>> ics_sampler = Sampler(2, ics_coords, u, name='Initial Condition 1')
>>> x_batch, y_batch = ics_sampler.sample(10)
>>> print(x_batch.shape, y_batch.shape)
(10, 2), (10, 1)

fetch_minibatch(n, mu_x, sigma_x)

从采样器采出一个minibatch的数据。

参数：

• n (int) - 一个minibatch的数据点个数。

• mu_x (int) - 采样点的均值。

• sigma_x (int) - 采样点的方差。

返回：

tuple[Tensor]，一个minibatch的正则化后的采样点。

normalization_constants(n)

归一化均值与标准差。

参数：

• n (int) - 用于计算均值与标准差的采样点个数。

返回：

tuple[Tensor]，采样点的均值与方差。

sample(n)

在指定区域中采样。

参数：

• n (int) - 采样点个数。

返回：

tuple[Tensor]，n 个采样点的x与y。