一步步安装deeponet的详细教学

1.deepoent官网如下：

https://github.com/lululxvi/deeponet

需要下载依赖

1.python3

2.DeepXDE（这里安装DeepXDE<=0.11.2,这个最方便）

Optional: For CNN, install Matlab and TensorFlow 1; for Seq2Seq, install PyTorch（这个可先不安装，有的案例需要额外安装这些）

2.安装deepxde=0.11.2  

deepxde的官网如下

https://github.com/lululxvi/deepxde/tree/v1.10.0

依赖：

• TensorFlow 2.x：TensorFlow >=2.2.0，TensorFlow Probability>=0.10.0
• PyTorch：PyTorch >=1.9.0

上面这俩任选一个（建议选tensorflow，因为deepxde依赖于tensorflow）

这里给出第二个的方法代码，第一个pytorch的见torch的官网（如果没安装过torch,就至少需要花几个小时才能安装成功，注意时间）

1.安装deepxde的依赖(必须先安装tensorflow再安装deepxde,不然报错找不到Dense)

pip install tensorflow==2.15.0 tensorflow-probability==0.23.0

2.安装deepxde 

pip install deepxde==0.11.1

至此，环境安装完毕，后面运行案例缺少什么库下载就行

3.克隆案例

​git clone https://github.com/lululxvi/deeponet.git

4.运行案例：

cd deeponet

python deeponet/src/deeponet_pde.py

问题1：AttributeError: dense is not available with Keras 3.

解决方法：

pip install tensorflow==2.15.0 tensorflow-probability==0.23.0
pip install deepxde==0.11.1
新创建一个没有deepxde的conda环境，先安装第一个tensorflow，再安装第二个deepxde，这样就解决了。

问题2：AttributeError: module 'tensorflow' has no attribute 'trainable_variables'
解决方法：

AttributeError: module 'tensorflow' has no attribute 'trainable_variables' 这个错误表明你尝试访问的 TensorFlow 模块中不存在 trainable_variables 属性。这通常发生在你尝试使用 TensorFlow 2.x 版本的代码，但却在 TensorFlow 1.x 环境中运行。

1. 如果你正在使用 TensorFlow 2.x，确保你的代码与 TensorFlow 2.x 兼容。在 TensorFlow 2.x 中，获取可训练变量的正确方法是使用 tf.compat.v1.trainable_variables()而不是trainable_variables = tf.trainable_variables()

2. 如果你需要使用 TensorFlow 1.x，确保你的环境安装了正确的版本，并且在代码中正确地调用该属性。

   trainable_variables = tf.trainable_variables()

3. 查询版本：确保你的环境中安装的 TensorFlow 版本与你的代码兼容。如果你不确定你的 TensorFlow 版本，可以在 Python 解释器中运行以下命令来检查：

import tensorflow as tfprint(tf.__version__)

Install and Setup — DeepXDE 1.12.3.dev1+g40cd7e5 documentation

上面链接有deepxde的安装细节

3.使用不同的后端

DeepXDE 支持 TensorFlow 1.x（tensorflow.compat.v1在 TensorFlow 2.x 中）、TensorFlow 2.x、PyTorch、JAX 和 PaddlePaddle 后端。DeepXDE 将根据以下选项选择后端（从高优先级到低优先级）

• 使用DDE_BACKEND环境变量：

  • 您可以使用它来指定后端。目前可以从“tensorflow.compat.v1”（TensorFlow 1.x 后端）、“tensorflow”（TensorFlow 2.x 后端）、“pytorch”（PyTorch）、“jax”（JAX）和“paddle”（PaddlePaddle）中选择。DDE_BACKEND=BACKEND python pde.pyBACKEND

  $ DDE_BACKEND=tensorflow.compat.v1 python pde.py

  $ DDE_BACKEND=tensorflow python pde.py

  $ DDE_BACKEND=pytorch python pde.py

  $ DDE_BACKEND=jax python pde.py

  $ DDE_BACKEND=paddle python pde.py

  • 或者将全局环境变量设置DDE_BACKEND为BACKEND。在 Linux 中，这通常可以通过; 在 Windows 中，在系统设置中设置环境变量export DDE_BACKEND=BACKENDDDE_BACKEND

• 修改config.json“~/.deepxde”下的文件：

  • 该文件的内容如下{"backend": "tensorflow.compat.v1"}

  • 您还可以使用设置默认后端python -m deepxde.backend.set_default_backend BACKEND

  • 在 Windows 中，您可以config.json在“C:/Users/Username/.deepxde”目录下找到文件

• 如果没有像上面那样选择后端，DeepXDE 将自动找到可用的后端。

4.目前支持的功能数量为：

• PaddlePaddle ≈ TensorFlow 1.x > TensorFlow 2.x ≈ PyTorch > JAX。

• 不同的后端支持略有不同的功能，如果 DeepXDE 引发与后端相关的错误，则切换到另一个后端。