PaddlleScience开发者入门教程-标题.jpg

1. 背景

PaddleScience 是一个基于深度学习框架 PaddlePaddle 开发的科学计算套件，它利用深度神经网络的学习能力和 PaddlePaddle 框架的自动(高阶)微分机制，解决物理、化学、气象等领域的问PaddleScience 支持物理机理驱动、数据驱动、数理融合三种求解方式，并提供了基础 API 和详尽文档供用户使用与二次开发，详细资料请见官网链接。https://paddlescience.readthedocs.io/

PaddleScience 提供了多种案例

PaddleScience开发者入门教程-案例列表1.png

2. 环境搭建

2.1 环境准备

1. 在模力方舟平台注册账号并登录https://ai.gitee.com/

2. 购买算力，点击立即租用

PaddleScience开发者入门教程-算力租用.png

3. 镜像选择Paddle完成后，点击下一步、创建实例

PaddleScience开发者入门教程-创建实例.png

4. 实例创建完成后，如下所示，点击Jupyter Lab进入容器

PaddleScience开发者入门教程-进入JupyterLab.png

2.2 启动容器

1. 实例创建完成后，如下所示，点击Jupyter Lab进入容器

PaddleScience开发者入门教程-启动terminal.png

2. 点击Terminal后进入终端

PaddleScience开发者入门教程-进入终端.png

2.3 PaddleScience代码下载

1. PaddleScience 源码地址

https://github.com/PaddlePaddle/PaddleScience

2. 下载代码

cd /root && wget "https://github.com/PaddlePaddle/PaddleScience/archive/refs/heads/develop.zip" -O PaddleScience-develop.zip

PaddleScience开发者入门教程-下载代码结果.png

3. 解压代码

apt-get update && apt-get install unzip
unzip PaddleScience-develop.zip

2.4 安装依赖包

进入PaddleScience根目录，输入命令 pip install .

cd PaddleScience-develop/
pip install .

PaddleScience开发者入门教程-安装依赖包结果.png

3. PaddleScience 训练&评估&精度验证

3.1 背景说明

首先在PaddleScience官网找到对应案例的文档。

本教程选择的案例为 Darcy Flow，官网参考资料为：https://paddlescience.readthedocs.io/en/latest/zh/examples/darcy2d/

3.2 数据集下载

根据案例不同，选择是否下载数据集，本案例无数据集。

3.3 训练

cd PaddleScience-develop/examples/darcy
python darcy2d.py

PaddleScience开发者入门教程-训练结果.png

3.4 评估

模型评估训练出来的最佳权重，EVAL.pretrained_model_path=最佳权重路径

python darcy2d.py mode=eval EVAL.pretrained_model_path=./outputs_darcy2d_L-BFGS/checkpoints/best_model.pdparams

PaddleScience开发者入门教程-评估结果.png

3.5 精度验证

将评估后的精度与官方精度作对比，确保精度在同一量级。3.4中评估的精度为Residual/loss: 0.24593, Residual/MSE.poisson: 0.00004 与下图官网精度在同一量级，精度验证通过。

PaddleScience开发者入门教程-精度验证结果.png

3.6 可视化

在评估后，会在当前目录下outputs_darcy2d_L-BFGS/visual/result_p_ux_uy.vtu生成评估的可视化结果，数据类型为vtu格式的文件，需要特定软件打开

1. 首先将result_p_ux_uy.vtu 下载到本地

PaddleScience开发者入门教程-下载到本地.png

2. 打开网站 Kitware ParaView Glance，将下载的vtu文件拖入到图中位置

PaddleScience开发者入门教程-vtu文件拖入.png

3. 通过鼠标拖动旋转长方体，然后调整PointSize 可以看到如下的可视化结果

PaddleScience开发者入门教程-可视化结果.png

3.7 补充

训练参数的调整可以修改 ./conf/darcy.yaml

# training settings
TRAIN:
  epochs: 10000
  iters_per_epoch: 1
  lr_scheduler:
    epochs: ${TRAIN.epochs}
    iters_per_epoch: ${TRAIN.iters_per_epoch}
    max_learning_rate: 1.0e-3
    end_learning_rate: 1.0e-7
  lbfgs:
    iters_per_epoch: ${TRAIN.iters_per_epoch}
    output_dir: ./outputs_darcy2d_L-BFGS
    learning_rate: 1.0
    max_iter: 10
    eval_freq: ${TRAIN.eval_freq}
    eval_during_train: ${TRAIN.eval_during_train}
  eval_freq: 200
  eval_during_train: true
  pretrained_model_path: null
  checkpoint_path: null

# evaluation settings
EVAL:
  batch_size:
    residual_validator: 8192
  pretrained_model_path: null

4. 总结

上面文章介绍了如何从0来搭建一个PaddleScience环境，训练、评估、精度验证过程。更详细的资料请参考PaddleScience官网对应案例的资料。