mindscience.models.neural_operator.FNO1D
- class mindscience.models.neural_operator.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)[源代码]
1D 傅里叶神经算子，通常包含一个提升层、一个傅里叶块层和一个投影层。详情请参阅 Zongyi Li, et. al: FOURIER NEURAL OPERATOR FOR PARAMETRIC PARTIAL DIFFERENTIAL EQUATIONS。
- 参数：
in_channels (int) - 输入空间的通道数。
out_channels (int) - 输出空间的通道数。
n_modes (Union[int, list(int)]) - 傅里叶层线性变换后保留的模式数。
resolutions (Union[int, list(int)]) - 输入张量的分辨率。
hidden_channels (int, 可选) - FNOBlock 输入和输出的通道数。默认值：
20。lifting_channels (int, 可选) - 提升层中间通道的通道数。默认值：
None。projection_channels (int, 可选) - 投影层中间通道的通道数。默认值：
128。n_layers (int, 可选) - 傅里叶层嵌套的次数。默认值：
4。data_format (str, 可选) - 输入数据通道序列。支持值:
"channels_last"和"channels_first"。默认值："channels_last"。fnoblock_act (Union[str, class], 可选) - FNOBlock 的激活函数，可以是字符串或类。默认值：
"gelu"。mlp_act (Union[str, class], 可选) - MLP 层的激活函数，可以是字符串或类。默认值：
"gelu"。add_residual (bool, 可选) - 是否在 FNOBlock 中添加残差。默认值：
False。positional_embedding (bool, 可选) - 是否嵌入位置信息。默认值：
True。dft_compute_dtype (dtype.Number, 可选) - SpectralConvDft 中 DFT 的计算类型。默认值：
mstype.float32。fno_compute_dtype (dtype.Number, 可选) - fno 跳跃 MLP 的计算类型。可选择
mstype.float32或mstype.float16。GPU 后端推荐使用mstype.float32，Ascend 后端推荐使用mstype.float16。默认值：mstype.float16。
- 输入：
x (Tensor) - 形状为 \((batch\_size, resolution, in\_channels)\) 的张量。
- 输出：
output (Tensor) - 形状为 \((batch\_size, resolution, out\_channels)\) 的张量。
样例：
>>> import numpy as np >>> import mindspore >>> from mindspore import Tensor >>> import mindspore.common.dtype as mstype >>> from mindscience.models.neural_operator.fno 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)