neuraloperator

神经服务师：无限维度学习

neuraloperator是Pytorch学习神经操作员的综合图书馆。它是针对傅立叶神经操作员和张力神经操作员的官方实施。

与常规的神经网络不同，神经操作员可以在功能空间之间进行学习映射，并且该库提供了使用您自己的数据进行的所有工具。

神经操作员也是分辨率不变的，因此您训练有素的操作员可以应用于任何分辨率的数据。

安装

只需克隆存储库并在本地安装（以可编辑模式以可编辑模式，因此代码的更改会立即反映而无需重新安装）：

 git克隆https://github.com/neuraloperator/neuraloperator
CD神经运动器
PIP安装-e。
pip install -r要求.txt

您还可以在PIPPI上安装图书馆的最新稳定版本：

 PIP安装神经功能器

Quickstart

安装库后，您可以无缝启动培训操作员：

 from neuralop . models import FNO

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

还可以提供张力：您可以通过仅使用几个参数使用塔克张力FNO来改进以前的模型：

 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 )

这将使用权重的塔克分解。通过与分解因素直接收缩输入，向前传球将是有效的。傅立叶层将具有同等密集的傅立叶神经操作员的5％参数！

查看文档以获取更多信息！

使用重量和偏见

在neuraloperator/config中创建一个名为wandb_api_key.txt的文件，并在此粘贴权重和偏见。您可以在主要YAML配置文件中配置要使用的项目和用户名。

贡献

Neuralererator是100％开源的，我们欢迎社区的所有贡献！如果您在文档中发现错误或错别字，或者对您想查看的功能有一个想法，请在我们的问题跟踪器上报告，甚至更好，在Github上打开Pull-Quect。

Neuralererator还具有额外的开发依赖性，可以在requirements_dev.txt中找到：

 PIP安装-R Euncess_dev.txt

代码格式

在提交更改之前，应确保您的代码遵守我们的样式指南。最简单的方法是与black ：

黑色的 。

运行测试

测试和文档是此软件包的重要组成部分，所有功能都带有单位测试和文档。测试使用PYTEST软件包进行。

要运行测试，只需在终端中运行：

 pytest -v neuralop

建筑文档

我们的文档网站的HTML是使用sphinx构建的。该文档是从doc文件夹内部构建的。

 CD文档
制作html

这将在./doc/build/html中构建文档。

请注意，该文档需要其他依赖关系可从./doc/requirements_doc.txt安装。

要查看本地文档，请运行：

 CD DOC/BUILD/HTML
Python -M http.Server [port_num]

然后，文档将在localhost:PORT_NUM上查看。

引用

如果您在学术论文中使用神经手术器，请引用[1]，[2]：

 @misc {kossaifi2024Neural，
   title = {学习神经操作员的库}，
   作者= {Jean Kossaifi和Nikola Kovachki和
   Zongyi Li和Davit Pitt和
   Miguel Liu-Schiaffini和Robert Joseph George和
   Boris Bonev和Kamyar Azizzadenesheli和
   Julius Berner和Anima Anandkumar}，
   年= {2024}，
   eprint = {2412.10354}，
   ArchivePrefix = {arXiv}，
   primaryclass = {cs.lg}
}

@Article {Kovachki2021Neural，
   作者= {Nikola B. Kovachki和
                  Zongyi li和
                  Burigede Liu和
                  Kamyar azizzadenesheli和
                  Kaushik Bhattacharya和
                  安德鲁·斯图尔特（Andrew M. Stuart）和
                  Anima anandkumar}，
   title = {神经操作员：在功能空间之间学习图}，
   日记= {corr}，
   音量= {abs/2108.08481}，
   年= {2021}，
}

[1]

科萨菲（J.

[2]	Kovachki，N.，Li，Z.，Liu，B.，Azizzadenesheli，K.，Bhattacharya，K.，Stuart，A。和Anandkumar A.，“神经操作员：功能空间之间的学习图”，JMLR，2021。DOI：10.48550/ARXIV.2108.08881。