女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

TensorFlow在機(jī)器學(xué)習(xí)和模擬偏微分方程中的應(yīng)用

Tensorflowers ? 來(lái)源:cg ? 2018-12-06 14:07 ? 次閱讀

TensorFlow 不僅僅可以用于機(jī)器學(xué)習(xí)。在此教程中,我們所舉的例子(較為尋常)是使用 TensorFlow 模擬偏微分方程的行為(https://en.wikipedia.org/wiki/Partial_differential_equation)。我們將模擬幾個(gè)雨滴落在方形池塘水面的情形。

基本設(shè)置

需要導(dǎo)入一些庫(kù)。

#Import libraries for simulationimport tensorflow as tfimport numpy as np#Imports for visualizationimport PIL.Imagefrom io import BytesIOfrom IPython.display import clear_output, Image, display

將池塘水面的狀態(tài)顯示為圖像的函數(shù)。

def DisplayArray(a, fmt='jpeg', rng=[0,1]): """Display an array as a picture.""" a = (a - rng[0])/float(rng[1] - rng[0])*255 a = np.uint8(np.clip(a, 0, 255)) f = BytesIO() PIL.Image.fromarray(a).save(f, fmt) clear_output(wait = True) display(Image(data=f.getvalue()))

接下來(lái),我們發(fā)起一個(gè)互動(dòng)式 TensorFlow 會(huì)話,以方便練習(xí)。如果我們使用可執(zhí)行的 .py 文件進(jìn)行模擬,則常規(guī)會(huì)話一樣可行。

sess = tf.InteractiveSession()

計(jì)算便利函數(shù)

def make_kernel(a):

"""Transform a 2D array into a convolution kernel""" a = np.asarray(a) a = a.reshape(list(a.shape) + [1,1]) return tf.constant(a, dtype=1)def simple_conv(x, k): """A simplified 2D convolution operation""" x = tf.expand_dims(tf.expand_dims(x, 0), -1) y = tf.nn.depthwise_conv2d(x, k, [1, 1, 1, 1], padding='SAME') return y[0, :, :, 0]def laplace(x): """Compute the 2D laplacian of an array""" laplace_k = make_kernel([[0.5, 1.0, 0.5], [1.0, -6., 1.0], [0.5, 1.0, 0.5]]) return simple_conv(x, laplace_k)

定義 PDE

我們的池塘是一個(gè)完美的 500 x 500 正方形,就像自然界中的大多數(shù)池塘一樣。

N = 500

接下來(lái),我們創(chuàng)建池塘,并在其表面落入一些雨滴。

# Initial Conditions -- some rain drops hit a pond

# Set everything to zerou_init = np.zeros([N, N], dtype=np.float32)ut_init = np.zeros([N, N], dtype=np.float32)# Some rain drops hit a pond at random pointsfor n in range(40): a,b = np.random.randint(0, N, 2) u_init[a,b] = np.random.uniform()DisplayArray(u_init, rng=[-0.1, 0.1])

現(xiàn)在,我們指定微分方程的詳細(xì)信息。

# Parameters:

# eps -- time resolution# damping -- wave dampingeps = tf.placeholder(tf.float32, shape=())damping = tf.placeholder(tf.float32, shape=())# Create variables for simulation stateU = tf.Variable(u_init)Ut = tf.Variable(ut_init)# Discretized PDE update rulesU_ = U + eps * UtUt_ = Ut + eps * (laplace(U) - damping * Ut)# Operation to update the statestep = tf.group( U.assign(U_), Ut.assign(Ut_))

運(yùn)行模擬

情況變得有趣起來(lái) - 使用簡(jiǎn)單的 for 循環(huán)讓其持續(xù)運(yùn)行。

# Initialize state to initial conditions

tf.global_variables_initializer().run()# Run 1000 steps of PDEfor i in range(1000): # Step simulation step.run({eps: 0.03, damping: 0.04}) DisplayArray(U.eval(), rng=[-0.1, 0.1])

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8488

    瀏覽量

    134011
  • tensorflow
    +關(guān)注

    關(guān)注

    13

    文章

    330

    瀏覽量

    61010

原文標(biāo)題:TensorFlow 不僅用于機(jī)器學(xué)習(xí),還能模擬偏微分方程

文章出處:【微信號(hào):tensorflowers,微信公眾號(hào):Tensorflowers】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    Matlab偏微分方程工具箱應(yīng)用說(shuō)明

    poimesh 矩形區(qū)域上產(chǎn)生規(guī)則的網(wǎng)絡(luò)refinemesh 細(xì)化三角形網(wǎng)絡(luò)wbound 寫一個(gè)邊界描述文件wgeom 寫一個(gè)幾何描述文件pdecont 畫輪廓圖pdemesh 畫偏微分方程的三角形
    發(fā)表于 09-22 15:26

    Matlab求解微分方程(ODEs/PDEs)

    本帖最后由 A670521546 于 2011-7-8 10:29 編輯 常微分方程(ODEs)的MATLAB數(shù)值解法》偏微分方程(PDEs)的MATLAB數(shù)值解法》Z變換和差分方程
    發(fā)表于 07-08 08:42

    計(jì)算機(jī)Fortran編程實(shí)現(xiàn)偏微分方程拉普拉斯變換

    的勢(shì)能的行為。直角坐標(biāo), 已知為。。。?(V,xyz二級(jí)三變量齊次偏微分方程=0)(9.32)穩(wěn)態(tài)電流的條件下,勢(shì)能還滿足拉普拉斯方程
    發(fā)表于 08-14 20:38

    偏微分方程式數(shù)值解之計(jì)算機(jī)算法詳解

    。*******************************************************************本章節(jié) 偏微分方程(計(jì)算機(jī)數(shù)值方法語(yǔ)言Fortran解答)Pg.lp343導(dǎo)論 框架1---- -----偏微分方程常常發(fā)生在實(shí)踐
    發(fā)表于 08-29 14:31

    偏微分方程式數(shù)值解之計(jì)算機(jī)Fortran算法詳解附圖(續(xù)i)

    偏微分方程式數(shù)值解之計(jì)算機(jī)Fortran算法詳解附圖(續(xù)i) 內(nèi)容與附圖頁(yè)碼一致,續(xù)如下:*********************** 粵港澳大灣區(qū) 2020-8-29
    發(fā)表于 08-29 20:44

    偏微分方程式數(shù)值解之計(jì)算機(jī)Fortran算法詳解附圖(續(xù)ii)

    偏微分方程式數(shù)值解之計(jì)算機(jī)Fortran算法詳解附圖(續(xù)ii) 內(nèi)容與附圖頁(yè)碼一致,續(xù)如下: ******************************粵港澳大灣區(qū)2020-08-29
    發(fā)表于 08-29 21:14

    微分方程的MAtLAB解法

    摘要:對(duì)一些不能求解解析解的常微分方程偏微分方程進(jìn)行精確求解是非常困難的,探討了用MATLAB方法對(duì)此類方程進(jìn)行求解,結(jié)合實(shí)例介紹了MATLAB數(shù)值計(jì)算的方法,先將物體的運(yùn)
    發(fā)表于 01-08 21:24 ?61次下載

    微分方程復(fù)習(xí),常微分方程pdf

    微分方程復(fù)習(xí),常微分方程pdf:微分方程的一般概念線性常微分方程的性質(zhì)一階線性常微分方程二階線性常系數(shù)
    發(fā)表于 04-23 22:08 ?0次下載

    微分方程式的建立與求解

    微分方程式的建立與求解:復(fù)習(xí)求解系統(tǒng)微分方程的經(jīng)典法物理系統(tǒng)的模型微分方程的列寫n 階線性時(shí)不變系統(tǒng)的描述求解系統(tǒng)微分方程的經(jīng)典法一.物理系統(tǒng)的模型
    發(fā)表于 09-30 19:30 ?0次下載

    基于偏微分方程的閃光照相圖像修補(bǔ)算法

    針對(duì)閃光照相底片圖像可能含有缺陷的問(wèn)題,提出了一種基于偏微分方程的閃光照相圖像修補(bǔ)算法,該算法曲率驅(qū)動(dòng)擴(kuò)散(CDD)方法的基礎(chǔ)上,引入變系數(shù)的狆?Laplac
    發(fā)表于 03-05 14:17 ?22次下載

    基于分?jǐn)?shù)階偏微分方程圖像處理應(yīng)用設(shè)計(jì)

    分?jǐn)?shù)階偏微分方程圖像處理的應(yīng)用已受到了廣泛的關(guān)注,尤其圖像去噪和圖像超分辨率(SR)重建方面,目前的研究成果已顯示了分?jǐn)?shù)階應(yīng)用的優(yōu)勢(shì)與效果。對(duì)分?jǐn)?shù)階微積分在圖像處理
    發(fā)表于 12-06 10:50 ?1次下載

    異性四階偏微分方程耦合二階偏微分方程的圖像放大算法

    針對(duì)增強(qiáng)圖像的弱邊緣、細(xì)節(jié)紋理和消除二階偏微分方程圖像平滑部分的階梯效應(yīng)問(wèn)題,提出一種各向異性四階偏微分方程耦合二階偏微分方程的圖像放大
    發(fā)表于 01-12 14:38 ?0次下載

    模擬集成電路之頻率響應(yīng)分析零極點(diǎn)

    零極點(diǎn)的理解是模擬電路最關(guān)鍵的基礎(chǔ)之一,信號(hào)與系統(tǒng)都會(huì)講自然響應(yīng),自然響應(yīng)就是偏微分方程的通解部分,而受迫響應(yīng)則是偏微分方程的特解。本文將詳解零極點(diǎn)與頻率響應(yīng)之間的關(guān)系。
    發(fā)表于 02-21 10:26 ?6.3w次閱讀
    <b class='flag-5'>模擬</b>集成電路之頻率響應(yīng)分析零極點(diǎn)

    谷歌AI:學(xué)習(xí)更好的偏微分方程仿真方法

    研究人員已經(jīng)開始探索使用ML高性能計(jì)算方面提供持續(xù)改進(jìn)的可能,以解決偏微分方程和科學(xué)計(jì)算的困難計(jì)算問(wèn)題。
    的頭像 發(fā)表于 07-30 10:20 ?3656次閱讀

    Matlab/Simulink建模詳解:一階時(shí)變偏微分方程的求解

    這一次日篤小編來(lái)教大家如何在simulnk里面,求解偏微分方程(Partial Differential Equation-PDE)。
    的頭像 發(fā)表于 06-25 16:03 ?5036次閱讀
    Matlab/Simulink建模詳解:一階時(shí)變<b class='flag-5'>偏微分方程</b>的求解