- 博客(5)
- 收藏
- 关注
RSS订阅原创 InversionNet复现笔记
对于PyTorch而言data load的核心类是，而对于创建一个新的Dataloder对象，最重要的参数就是dataset，一个对象。PyTorch提供了两种风格的datasets，分别是map-style和iterable-style：map-style datasets通过用户自行实现方法，可以做到随机读取。iterable-style datasets通过实现__iter__()方法，可以以迭代的形式对数据进行读取。这里需要考虑实验所使用的数据集形式。
2023-10-27 22:38:46
129
1
原创 DL-FWI内训Day3
InversionNet是在2019年提出的一种完全端到端网络算法，在众多的端到端网络中InversionNet网络较为简单，原因是该算法采用了最基础的CNN网络。InversionNet构建了一个的卷积神经网络，来模拟地震数据和地下速度结构的对应关系。
2023-07-10 01:36:51
162
原创 DL-FWI内训Day2
进行深度学习训练的第一步是厘清数据集的基本结构。在上述的数据集中，共有N个单元数据对，每个单元数据对包含速度模型和地震数据。其中速度模型的分辨率为m\times n，地震数据包含S炮产生的剖面，每个剖面的分辨率为T\times R，代表了时间（Time）和接收点（Receiver）数量。
2023-07-07 00:31:19
212
原创 DL-FWI内训Day1
全波形反演作为一种地球物理勘探技术，用于估计地下介质的物理属性。它利用地震波传播的全部信息，包括波形的振幅、相位和频率等特征，以更准确地推断地下介质的速度、密度或衰减等参数。正演（Forward modeling）指的是根据地下介质的物性参数, 运用物理方程和数值计算方法, 模拟真实地震波传播过程并得到合成地震记录的过程。因此，可以认为全波形反演是地震波正演的逆过程，通过地震数据（波形图）推算得到地层的速度模型。
2023-07-06 02:59:44
415
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人