POD降阶模型与MATLAB实现

POD降阶模型

POD方法

理论部分参考西北工业大学李波的文章:本征正交分解在翼型气动优化中的应用研究。

MATLAB程序

%% 1.1快照集合
energy=0.999999;
G_X=X;
%% 1.2对快照集合进行奇异值分解
[U_X_1,S_X_1,V_X]=svd(G_X); %U_X_1为正交特征向量U;S_X_1为特征值矩阵且按降序排列;V_X为一个正交矩阵
%% 1.3根据能量值确定最佳正交基
%1.3.1 计算总能量值 
for i=1:size(S_X_1,2)
    zzx(i)=S_X_1(i,i).^2;
end
Zx=sum(zzx); %总能量值
%1.3.2 确定正交基
kkx=2;
for j=1:kkx
    zzzx(j)=S_X_1(j,j).^2;
end
zx=sum(zzzx);
energy_x=zx/Zx;
while energy_x<energy %当所选正交向量所对应的总能占比小于规定值时进行循环
   kkx=kkx+1; 
   for j=1:kkx
    zzzx(j)=S_X_1(j,j).^2;
   end
   zx=sum(zzzx);
   energy_x=zx/Zx;
end
U_X=U_X_1(:,1:kkx); %U_X为最佳正交基
figure();plot(zzzx./Zx,'*');hold on;
%% 2.求系数向量a_X 每一列为一组系数
for i=1:size(X,2)
    for j=1:size(U_X,2)
        a_X(i,j)=dot(U_X(:,j),X(:,i));
    end
end
%% 3.反算验证
px=(a_X*U_X')';
figure();plot(px(:,4));hold on;pl
  • 9
    点赞
  • 61
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Pod模型降阶是一种通过开源代码实现的技术,它可以将高阶模型转化为低阶模型,从而降低计算和存储成本。 Pod模型降阶的基本思想是通过减少模型的复杂性,来简化计算过程。这种技术可以应用于各种领域,例如计算机视觉、自然语言处理和推荐系统等。 在开源社区中,有许多关于Pod模型降阶的优秀代码。其中最有名的是Google开源的TensorFlow,它提供了一种名为TensorFlow-Lite的工具,可以将高阶TensorFlow模型转化为低阶模型。TensorFlow-Lite是一个轻量级的库,可以在移动设备和嵌入式设备上运行,使得开发者可以在有限的计算资源下,仍然能够高效地运行复杂的模型。 另一个开源项目是ONNX(Open Neural Network Exchange),它提供了一个中间表示的规范,可以方便地将不同深度学习框架的模型进行转换。ONNX可以将高阶模型转换为低阶模型,使得模型可以在不同的平台上运行,包括移动设备、服务器和云平台等。 除了TensorFlow和ONNX,还有一些其他开源工具可以用于Pod模型降阶,例如Caffe、PyTorch和Keras等。这些工具提供了丰富的功能和灵活的接口,使得开发者可以根据自己的需求选择合适的工具来实现模型降阶。 总之,通过开源代码实现Pod模型降阶可以帮助我们降低模型的计算和存储成本,提高模型的效率和可移植性。无论是使用TensorFlow、ONNX,还是其他开源工具,开发者都可以根据自己的需求选择适合自己的工具来实现模型降阶

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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