使用 NVIDIA 模数的 PINN
利用 AI 轻松进行模拟
讲师:Dr.Mohammad Samara
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 构建基于 PINN 的 pdes 求解器。
- 了解 PINN 偏微分方程求解器背后的理论。
- 使用 NVIDIA Modulus 构建模型
- 使用 GoogleColab 和您自己的 NVIDIA GPU 部署 NVIDIA Modulus
要求
- 高中数学
- 基础Python知识
描述
描述
这是一门入门课程,将帮助您做好使用 NVIDIA Modulus 来使用物理信息神经网络 (PINN) 的准备。我们将从基础知识开始介绍使用物理信息神经网络 (PINN) 求解偏微分方程 (PDE) 的基础知识,并逐步迈向使用 Nvidia 模数求解 PINN。
您将学习什么技能:
在本课程中,您将学习以下技能:
- 了解使用 PINN 求解偏微分方程 (PDE)背后的数学原理。
- 使用Pytorch编写和构建机器学习算法来解决 PINN 。
- 使用Nvidia Modulus编写和构建机器学习算法来解决 PINN 。
- 对结果进行后处理。
- 使用开源库。
- 定义您自己的偏微分方程来求解它们或使用内置方程(例如 Nvidia Modulus 中的 NS 方程)。
我们将涵盖:
- Pytorch 基础知识。
- 如何在您自己的计算机 GPU 和 Google Collab 中部署 Nvidia Modulus。
- 使用 pytorch 的一维 Burgers 方程的物理信息神经网络(PINN)解决方案。
- 使用 Nvidia 模量的一维波动方程的物理信息神经网络(PINN)解决方案 。
- 使用 Nvidia 模量的物理信息神经网络(PINN)解决 空腔流动问题。
- 使用 Nvidia 模量的物理信息神经网络(PINN)解决 2D 散热器流动问题。
如果您之前没有机器学习或计算工程经验,那也没有问题。本课程完整而简洁,涵盖了机器学习/物理信息神经网络 (PINN) 的基础知识。让我们一起享受学习 Nvidia Modulus 的乐趣吧。
本课程适合谁:
- 想要学习 PINN 的工程师和程序员
- 学习 NVIDIA 模数
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。