tensorflow学习笔记：偏微分方程

最新推荐文章于 2024-03-13 17:18:16 发布

gavinnotkavin

最新推荐文章于 2024-03-13 17:18:16 发布

阅读量2.5k

点赞数 2

分类专栏： python tensorflow ai

本文链接：https://blog.csdn.net/tingydt/article/details/79124270

版权

本文通过TensorFlow实现了一个偏微分方程的模拟，利用深度学习中的卷积操作来求解。首先定义了偏微分方程的初始条件和边界，然后创建卷积核并应用到数据上，通过不断迭代更新状态，最终展示了仿真过程中的结果图像。

摘要由CSDN通过智能技术生成

# -*- coding:utf-8 -*-
#偏微分方程
import tensorflow as tf
import numpy as np

import PIL.Image
from io import StringIO
from IPython.display import clear_output, Image, display

def DisplayArray(a, fmt='jpeg', rng=[0,1]):
    a = (a - rng[0])/float(rng[1] - rng[0])*255
    a = np.uint8(np.clip(a, 0, 255))
    f = StringIO()
    PIL.Image.fromarray(a).save('test',fmt)
    display(Image(data=f.getvalue()))

if __name__ == '__main__':
    sess = tf.InteractiveSession()
    
    def make_kernel(a):
        a = np.asarray(a)
        a = a.reshape(list(a.shape)+[1,1])
        return tf.constant(a,dtype=1)
    def simple_conv(x, k):
        x = tf.expand_dims(tf.expand_dims(x, 0), -1)
        y = tf.nn.depthwise_conv2d(x, k, [1, 1, 1, 1], padding='SAME')
        return y[0,:,:,0]
    def laplace(x):
        laplace_k = make_kernel([[0.5, 1.0, 0.5],