mindscience.models.neural_operator.FNO3D

class mindscience.models.neural_operator.FNO3D(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]

3D 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 \((batch\_size, resolution[0], resolution[1], resolution[2], in\_channels)\) 的张量。

输出：

  • output (Tensor) - 形状为 \((batch\_size, resolution[0], resolution[1], resolution[2], out\_channels)\) 的张量。

异常：

  • ValueError - 如果 n_modes 的维度不等于 3。

  • ValueError - 如果 resolutions 的维度不等于 3。

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 FNO3D
>>> data = Tensor(np.ones([2, 128, 128, 128, 3]), mstype.float32)
>>> net = FNO3D(in_channels=3, out_channels=3, n_modes=[20, 20, 20], resolutions=[128, 128, 128])
>>> out = net(data)
>>> print(data.shape, out.shape)
(2, 128, 128, 128, 3) (2, 128, 128, 128, 3)