Deepxde用于科学计算的深度学习库

DeepXDE 是一个用于科学计算的机器学习库，它具有以下功能：

• 通过物理信息神经网络 (PINN) 求解正向和反向偏微分方程 (PDE)，


• 通过 PINN 求解正向和逆向整数微分方程 (IDE)，


• 通过分数 PINN (fPINN) 求解正分数和反分数偏微分方程 (fPDE)，


• 通过 DeepONet 近似非线性运算器


• 通过多保真神经网络（MFNN）从多保真数据中逼近函数


• 从有/无约束的数据集中逼近函数。

DeepXDE 支持三个 Tensor 库作为后端：TensorFlow 1.x、TensorFlow 2.x 和 PyTorch。

特性

DeepXDE 已经实现了很多如上所示的算法并支持很多特性：

• 复杂领域的几何形状


• 5 种类型的边界条件 (BC)：Dirichlet、Neumann、Robin、周期性和一般 BC，可以在任意域或点集上定义。


• 不同的神经网络


• 6种采样方式


• 在训练过程中方便地保存模型，并加载一个训练好的模型


• 使用 dropout 进行不确定性量化


• 使用户代码紧凑，与数学公式非常相似。

DeepXDE 结构良好且可配置性高，可以轻松定制 DeepXDE 以满足新需求。

安装

DeepXDE 需要安装以下特定于后端的依赖项之一：

• TensorFlow 1.x：TensorFlow >=2.2.0


• TensorFlow 2.x：TensorFlow >=2.2.0 和 TensorFlow Probability


• PyTorch：PyTorch

然后就可以安装 DeepXDE 本身

• 安装稳定版本pip：

$ pip install deepxde

• 安装稳定版本conda：

$ conda install -c conda-forge deepxde

• 对于开发人员，应该将文件夹克隆到您的本地计算机并将其与你的项目脚本放在一起

$ git clone https://github.com/lululxvi/deepxde.git

• 其他依赖

  
  
  
  
  • Matplotlib
  
  
  • NumPy
  
  
  • scikit 学习
  
  
  • scikit 优化
  
  
  • SciPy