تنزيل neuraloperator - تنزيل رمز مصدر neuraloperator

neuraloperator

بايثون

1.0.1: minor fixes and a link to the new white paper

تنزيل

NeuralOperator: التعلم في أبعاد لا حصر

neuraloperator هي مكتبة شاملة لتعلم المشغلين العصبيين في Pytorch. هذا هو التنفيذ الرسمي لمشغلي فورييه العصبية والمشغلين العصبيين المتكررين.

على عكس الشبكات العصبية العادية ، يمكّن المشغلون العصبيون التعلم بين مساحات الوظائف ، وتوفر هذه المكتبة جميع الأدوات اللازمة للقيام بذلك على بياناتك الخاصة.

المشغلون العصبيون أيضًا ثابتون ، لذلك يمكن تطبيق مشغلك المدرب على بيانات أي دقة.

تثبيت

ما عليك سوى استنساخ المستودع وتثبيته محليًا (في الوضع القابل للتحرير ، بحيث تنعكس على الفور التغييرات في الكود دون الحاجة إلى إعادة التثبيت):

 git clone https://github.com/neuraloperator/neuraloperator
CD NeuralOperator
تثبيت PIP -e.
PIP تثبيت -r متطلبات. txt

يمكنك أيضًا تثبيت PIP فقط أحدث إصدار مستقر من المكتبة على PYPI:

 PIP تثبيت NeuralOperator

Quickstart

بعد تثبيت المكتبة ، يمكنك البدء في تدريب مشغلي التدريب بسلاسة:

 from neuralop . models import FNO

operator = FNO ( n_modes = ( 16 , 16 ), hidden_channels = 64 ,
                in_channels = 3 , out_channels = 1 )

يتم توفير التضمين أيضًا خارج المربع: يمكنك تحسين النماذج السابقة ببساطة عن طريق استخدام FNO الموتر Tenserized مع عدد قليل من المعلمات:

 from neuralop . models import TFNO

operator = TFNO ( n_modes = ( 16 , 16 ), hidden_channels = 64 ,
                in_channels = 3 ,
                out_channels = 1 ,
                factorization = 'tucker' ,
                implementation = 'factorized' ,
                rank = 0.05 )

هذا سوف يستخدم عامل توكير للأوزان. سيكون التمرير الأمامي فعالًا من خلال التعاقد مباشرة على المدخلات بعوامل التحلل. ستحصل طبقات فورييه على 5 ٪ من معايير المشغل العصبي الكثيف المكافئ!

الخروج الوثائق للمزيد!

باستخدام الأوزان والتحيزات

قم بإنشاء ملف في neuraloperator/config يسمى wandb_api_key.txt ولصق مفتاح API والتحيزات هناك. يمكنك تكوين المشروع الذي تريد استخدامه واسم المستخدم الخاص بك في ملفات تكوين YAML الرئيسية.

المساهمة

NeuralOperator مفتوح المصدر بنسبة 100 ٪ ، ونحن نرحب بجميع المساهمات من المجتمع! إذا اكتشفت خطأً أو خطأ مطبعي في الوثائق ، أو لديك فكرة عن ميزة ترغب في رؤيتها ، فيرجى الإبلاغ عن ذلك عن تعقب المشكلات ، أو حتى أفضل ، فتح طلب سحب على Github.

لدى NeuralOperator تبعيات إضافية للتنمية ، والتي يمكن العثور عليها في requirements_dev.txt :

 PIP تثبيت -r متطلبات _dev.txt

تنسيق الكود

قبل إرسال التغييرات الخاصة بك ، يجب عليك التأكد من أن الرمز الخاص بك يلتزم بتوجيه نمطنا. أسهل طريقة للقيام بذلك هي مع black :

 أسود .

إدارة الاختبارات

يعد الاختبار والتوثيق جزءًا أساسيًا من هذه الحزمة وجميع الوظائف تأتي مع اختبارات الوحدة والوثائق. يتم تشغيل الاختبارات باستخدام حزمة Pytest.

لتشغيل الاختبارات ، ما عليك سوى التشغيل ، في المحطة:

 pytest -v neuralop

بناء وثائق

تم تصميم HTML لموقع الوثائق لدينا باستخدام sphinx . تم تصميم الوثائق من داخل مجلد doc .

 DOC DOC
جعل HTML

سيؤدي ذلك إلى بناء المستندات في ./doc/build/html .

لاحظ أن الوثائق تتطلب تبعيات أخرى قابلة للتثبيت من ./doc/requirements_doc.txt .

لعرض الوثائق محليًا ، قم بتشغيل:

 CD Doc/Build/HTML
Python -M http.server [port_num]

سيتم بعد ذلك عرض المستندات في localhost:PORT_NUM .

نقلا عن

إذا كنت تستخدم NeuralOperator في ورقة أكاديمية ، فيرجى الاستشهاد [1] ، [2]:

 misc {kossaifi2024neural ،
   العنوان = {مكتبة لتعلم المشغلين العصبيين} ،
   المؤلف = {Jean Kossaifi و Nikola Kovachki و
   Zongyi Li و Davit Pitt و
   ميغيل ليو شايفيني وروبرت جوزيف جورج و
   بوريس بونف وكامار أزاديشلي و
   يوليوس بيرنر وايما أناندكومار} ،
   السنة = {2024} ،
   ePrint = {2412.10354} ،
   ArchivePrefix = {arxiv} ،
   PrimaryClass = {cs.lg}
}

article {kovachki2021neural ،
   المؤلف = {nikola B. Kovachki و
                  Zongyi لي و
                  لافتات ليو و
                  Kamyar Azizzadenesheli و
                  Kaushik Bhattacharya و
                  أندرو م. ستيوارت و
                  أناندكومار} ،
   العنوان = {المشغل العصبي: خرائط التعلم بين مسافات الوظائف} ،
   Journal = {corr} ،
   المجلد = {ABS/2108.08481} ،
   السنة = {2021} ،
}