PINNs-个人笔记

最新推荐文章于 2023-05-17 15:21:24 发布
最新推荐文章于 2023-05-17 15:21:24 发布
阅读量386 收藏 1
点赞数 1
分类专栏： 个人笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pdc31czy/article/details/127849476
版权

python 
X, T = np.meshgrid(x,t)
X_star = np.hstack((X.flatten()[:,None], T.flatten()[:,None]))

x： (1,512)
t： (1,201)
X： (201,512)
T： (201,512)
X.flatten()： (201512) 即（102912）这里flatten()是从第0个维度开始展开，将后面的维度转化为一维
T.flatten()： (201512) 即（102912）
X.flatten()[:,None]： (102912,1) 这里[:,None]的作用是增加一维
T.flatten()[:,None]： (102912,1)
X_star： (102912,2)

pdc31czy
关注
专栏目录
HCIP-Datacom 个人笔记
08-14
【HCIP-Datacom个人笔记】是针对网络技术的学习总结，主要涵盖了网络设备的理解和IP路由的基本概念。在网络设备方面，重点介绍了框式设备的构成： - MPU（主控板）是控制平面的核心，负责协议处理、路由运算、转发...
Python随机梯度下降法（二）
深度学习领域优质创作者，CSDN博客专家
09-03 787
既然是梯度下降法，那么梯度就显得很关键了，首先了解梯度的概念：全部变量的偏导数汇总而成的向量。其中偏导数就是说存在两个或两个以上变量的函数，这个时候需要指定求某个变量的导数，就叫做这个变量的偏导数，和导数一样！ 比如函数 f(x0,x1)=x0²+x1²，分别求x0和x1在x0=4和x1=5位置的偏导数 使用中心差分求偏导数求x0的偏导数 def numerical_diff(f,x): ''' 中心差分 ''' h=1e-4#0.0001，如果是太小...
python：flatten()参数详解
热门推荐
纯分享，内容不固定，平时学到什么发什么（非涉密内容），没有积分的话下载内容可以在相关博客下评论区留邮箱，看见了都会发的。
05-18 10万+
python：flatten()参数详解 这篇博客主要写flatten（）作用，及其参数的含义 flatten()是对多维数据的降维函数。 flatten(),默认缺省参数为0，也就是说flatten()和flatte(0)效果一样。 python里的flatten(dim)表示，从第dim个维度开始展开，将后面的维度转化为一维.也就是说，只保留dim之前的维度，其他维度的数据全都挤在dim这一维。 比如一个数据的维度是(S1,S2,S3.........,Sn)(S1,S2,S3........
Flatten()详解
you 是 mine
10-14 1万+
Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。 就是把高纬度的数组按照　ｘ轴或者ｙ轴　进行拉伸，变成一维的数组 为了更好的理解Flatten层作用，我把这个神经网络进行可视化如下图：（来自网络） 用Ｐｙｔｈｏｎ中的例子更好理解： from numpy import * >>> a=array([[1,2],[3,4],[5,6]]) >>> a array([[1, 2], [3,
Python中flatten用法
rxt2012kc的博客
05-08 603
一、用在数组 [python] view plain copy print?>>> a = [[1,3],[2,4],[3,5]]  >>> a = array(a)  >>> a.flatten()  array([1, 3, 2, 4, 3, 5])  >>> a = [[1,3],[2,4],[3,5]] >>> a = array(a) >>> a.flatten() array([1, 3
python list函数使用总结_Python中flatten( )函数及函数用法详解
weixin_39659748的博客
11-24 6386
flatten()函数用法flatten是numpy.ndarray.flatten的一个函数，即返回一个一维数组。flatten只能适用于numpy对象，即array或者mat，普通的list列表不适用！。a.flatten()：a是个数组，a.flatten()就是把a降到一维，默认是按行的方向降 。a.flatten().A：a是个矩阵，降维后还是个矩阵，矩阵.A（等效于矩阵.getA()）...
神经网络学习（三）：解偏微分方程
lny161224的博客
09-28 1万+
前言 在完成了常微分的数值解之后，我开始如法炮制的来解偏微分，我觉得解法上是一样的，都直接使用autograd就可以了，所以理论是难度并不大（虽然实际上我是花的时间最长的），只不过需要注意的细节比较多，所以模型卡了很久都没有效果，让我都怀疑人生了，今天终于找到了问题！所以把整个过程介绍一下 今天选择的偏微分方程为Burgers方程，在Dirichlet条件下求数值解，具体形式为： 训练流程 1.定义网络 这里定义网络的方法还是和第二篇是一样的，有...
JavaScript笔记-个人笔记
04-13
JavaScript笔记-个人笔记-X-mind格式
HTML笔记-个人笔记
04-13
X-mind格式，个人笔记
HCIP-Datacom 笔记.exe
06-16
HCIP-Datacom 笔记.exe
javase-学习笔记.pdf
11-28
javase-学习笔记.pdf
torch 和 numpy 中 flatten() 降维操作
FFTang的博客
11-29 2554
总结了 numpy 和 torch 中关于展平和压缩维度 操作的函数。
【numpy】维度相关np.newaxis()、ravel()、flatten()、squeeze()
littlemichelle
07-09 1146
目录 ravel()、flatten()、squeeze() 降维 numpy.ravel() vs numpy.flatten() np.squeeeze() reshape(-1) np.newaxis() 升维 ravel()、flatten()、squeeze() 降维 numpy中的ravel()、flatten()、squeeze()都有将多维数组转换为一维数组的功能， 区别： ravel()：如果没有必要，不会产生源数据的副本 flatten()：返回源数据的副本 sq.
PINN主函数的一些备注
最新发布
m0_50969505的博客
05-17 371
【代码】PINN主函数的一些备注。
keras中Flatten层的用法及输入输出shape(附查看网络结构输入输出的查看技巧)
小C的博客
11-21 1万+
【时间】2018.11.21 【题目】keras中Flatten层的用法及输入输出shape(附查看网络结构输入输出的查看技巧)   一、Flatten层 Flatten层的实现在Keras.layers.core.Flatten()类中。 功能： Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。 输入输出...
flatten()函数用法
辛宣的博客
01-10 135
flatten是numpy.ndarray.flatten的一个函数，即返回一个折叠成一维的数组。但是该函数只能适用于numpy对象，即array或者mat，普通的list列表是不行的。 a是个矩阵或者数组，a.flatten()就是把a降到一维，默认是按横的方向降 from numpy import * a = array([[1,2],[3,4]]) print(a.flatten()) &...
Tensorflow2.0 搭建CNN网络进行猫狗分类（一）
码王吴彦祖的博客
03-11 2853
在搭建好tensorflow和cuda的配置后，就可以搭建自己的神经网络了，我将使用tensorflow2.0来搭建一个cnn网络，搭建网络的方法有很多，我这边会使用多种方法搭建，通过在处理训练数据上，训练的方法上搭建多个神经网络来比较之间的差别，我将使用的第一种方法如下： 通过cv2手动读取每张图片，转换尺寸大小并划分数据集和测试集，对数据集进行one-hot编码后，搭建三层卷积神经网络模型，建立神经网络(平坦层、隐藏层、输出层)，通过调整上千万的参数，采用多分类损失函数等函数来调参，进行大约20次e.
griddata（）、imshow()、append()、np.random()（0414工作日志）
weixin_37555810的博客
04-14 789
1. append() 方法 用于在列表末尾添加新的对象。 ls=[2] print(ls) def func(): ls.append(3) return ls a=func() print(a) 》[2] 》[2,3] 2. griddata 对二维或三维散点数据插值 示例 vq= griddata(x,y,v,xq,yq)使v = f(x,y)形式的曲面与向量(x,y,v)中的散点数据拟合。griddata函数在(xq,yq)指定的查询...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值