neuraloperator
1.0.1: minor fixes and a link to the new white paper
neuraloperator Pytorch에서 신경 운영자를 학습하기위한 포괄적 인 도서관입니다. 푸리에 신경 운영자와 긴장된 신경 운영자의 공식 구현입니다.
정기적 인 신경망과 달리, 신경 운영자는 기능 공간 간의 학습 매핑을 가능하게 하며이 라이브러리는 자신의 데이터에 대한 모든 도구를 제공합니다.
신경 운영자는 해상도 불변이므로 숙련 된 운영자는 모든 해상도 데이터에 적용 할 수 있습니다.
저장소를 복제하고 로컬로 설치하기 만하면 (편집 가능한 모드로 코드의 변경 사항이 다시 설치되지 않고 즉시 반사됩니다) :
git 클론 https://github.com/neuraloperator/neuraloperator CD 신경여 및 PIP 설치 -E. PIP 설치 -R 요구 사항 .txt
PIPI에서 가장 최근의 안정적인 릴리스를 설치할 수도 있습니다.
PIP를 설치하십시오
라이브러리를 설치 한 후에는 연산자를 원활하게 훈련을 시작할 수 있습니다.
from neuralop . models import FNO
operator = FNO ( n_modes = ( 16 , 16 ), hidden_channels = 64 ,
in_channels = 3 , out_channels = 1 )긴장은 또한 상자 밖으로 제공됩니다. 몇 가지 매개 변수만으로 Tucker Tensorized FNO를 사용하여 이전 모델을 개선 할 수 있습니다.
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 )이것은 가중치의 터커 인수 화를 사용합니다. 순방향 패스는 분해 요인으로 입력을 직접 계약하여 효율적입니다. 푸리에 층은 동등하고 밀도가 높은 푸리에 신경 조작자의 매개 변수의 5%를 갖습니다!
자세한 내용을 확인하십시오!
wandb_api_key.txt 라는 neuraloperator/config 에서 파일을 만들고 무게와 바이어스 API 키를 붙여 넣습니다. 사용하려는 프로젝트와 메인 YAML 구성 파일의 사용자 이름을 구성 할 수 있습니다.
신경 여보자는 100% 오픈 소스이며, 우리는 지역 사회의 모든 기여를 환영합니다! 문서에서 버그 나 오타를 발견하거나보고 싶은 기능에 대한 아이디어가 있으면 문제 추적기 에보 고하거나 더 나은 Github에서 풀 수복을여십시오.
신경 전환기는 개발에 대한 추가 종속성이 있으며 requirements_dev.txt 에서 찾을 수 있습니다.
PIP 설치 -R 요구 사항 _dev.txt
변경 사항을 제출하기 전에 코드가 스타일 가이드에 준수해야합니다. 이 작업을 수행하는 가장 쉬운 방법은 black 입니다.
검은색 .
테스트 및 문서는이 패키지의 필수 부분이며 모든 기능에는 단위 테스트 및 문서가 제공됩니다. 테스트는 Pytest 패키지를 사용하여 실행됩니다.
테스트를 실행하려면 단순히 단기에서 실행하십시오.
Pytest -V Neuralop
문서 웹 사이트의 HTML은 sphinx 사용하여 구축되었습니다. 문서는 doc 폴더 내부에서 구축되었습니다.
CD 문서 HTML을 만드십시오
이것은 ./doc/build/html 에 문서를 구축합니다.
문서에는 ./doc/requirements_doc.txt 에서 설치할 수있는 다른 종속성이 필요합니다.
문서를 로컬로 보려면 실행하십시오.
CD DOC/빌드/HTML Python -m http.server [port_num]
그런 다음 문서는 localhost:PORT_NUM 에서 볼 수 있습니다.
학술 논문에서 신경 여보를 사용하는 경우 [1], [2]를 인용하십시오.
@misc {kossaifi2024neural,
Title = {신경 운영자 학습 라이브러리},
저자 = {Jean Kossaifi와 Nikola Kovachki 및
Zongyi Li와 Davit Pitt
Miguel Liu-Schiaffini와 Robert Joseph George와
Boris Bonev와 Kamyar Azizzadenesheli 및
Julius Berner와 Anima Anandkumar},
연도 = {2024},
eprint = {2412.10354},
ArchivePrefix = {arxiv},
1 차 클래스 = {cs.lg}
}
@article {kovachki2021neural,
저자 = {Nikola B. Kovachki 및
Zongyi Li와
매장 된 liu와
Kamyar Azizzadenesheli 및
Kaushik Bhattacharya와
Andrew M. Stuart와
anima anandkumar},
title = {신경 연산자 : 함수 공간 간의 학습지도},
저널 = {corr},
볼륨 = {abs/2108.08481},
연도 = {2021},
}
| [1] | Kossaifi, J., Kovachki, N., Li, Z., Pitt, D., Liu-Schiaffini, M., George, R., Bonev, B., Azizzadenesheli, K., Berner, J. 및 Anandkumar, A., "신경 운영자 학습 도서관", Arxiv, 2024. |
| [2] | Kovachki, N., Li, Z., Liu, B., Azizzadenesheli, K., Bhattacharya, K., Stuart, A. 및 Anandkumar A.,“신경 운영자 : 기능 공간 간의 학습지도”, 2021. Doi : 10.48550/arxiv.2108.08481. |
