TensorFlow 教程 --教程--2.10偏微分方程

TensorFlow 不仅仅是用来机器学习，它更可以用来模拟仿真。在这里，我们将通过模拟仿真几滴落入一块方形水池的雨点的例子，来引导您如何使用 TensorFlow 中的偏微分方程来模拟仿真的基本使用方法。

注：本教程最初是准备做为一个 IPython 的手册。

译者注:关于偏微分方程的相关知识，译者推荐读者查看网易公开课上的《麻省理工学院公开课：多变量微积分》课程。

基本设置

首先,我们需要导入一些必要的引用。

#导入模拟仿真需要的库
import tensorflow as tf
import numpy as np#导入可视化需要的库
import PIL.Image
from cStringIO import StringIO
from IPython.display import clear_output, Image, display

然后，我们还需要一个用于表示池塘表面状态的函数。

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

最后，为了方便演示，这里我们需要打开一个 TensorFlow 的交互会话（interactive session）。当然为了以后能方便调用，我们可以把相关代码写到一个可以执行的Python文件中。

sess = tf.InteractiveSession()

定义计算函数

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)

定义偏微分方程

首先,我们需要创建一个完美的 500 × 500 的正方形池塘,就像是我们在现实中找到的一样。

N = 500

然后，我们需要创建了一个池塘和几滴将要坠入池塘的雨滴。

# Initial Conditions -- some rain drops hit a pond# Set everything to zero
u_init = np.zeros([N, N], dtype="float32")
ut_init = np.zeros([N, N], dtype="float32")# Some rain drops hit a pond at random points
for 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])

现在，让我们来指定该微分方程的一些详细参数。

# Parameters:
# eps -- time resolution
# damping -- wave damping
eps = tf.placeholder(tf.float32, shape=())
damping = tf.placeholder(tf.float32, shape=())# Create variables for simulation state
U  = tf.Variable(u_init)
Ut = tf.Variable(ut_init)# Discretized PDE update rules
U_ = U + eps * Ut
Ut_ = Ut + eps * (laplace(U) - damping * Ut)# Operation to update the state
step = tf.group(U.assign(U_),Ut.assign(Ut_))

开始仿真

为了能看清仿真效果，我们可以用一个简单的 for 循环来远行我们的仿真程序。

# Initialize state to initial conditions
tf.initialize_all_variables().run()# Run 1000 steps of PDE
for i in range(1000):# Step simulationstep.run({eps: 0.03, damping: 0.04})# Visualize every 50 stepsif i % 50 == 0:clear_output()DisplayArray(U.eval(), rng=[-0.1, 0.1])

看！！雨点落在池塘中,和现实中一样的泛起了涟漪。

原文链接:http://tensorflow.org/tutorials/pdes/index.md 翻译:@wangaicc 校对:@tensorfly

TensorFlow 教程 --教程--2.10偏微分方程相关推荐

[教程10]TensorFlow线性模型教程
[教程10]TensorFlow线性模型教程在本教程中,我们将使用TensorFlow中的tf.estimator API来解决二进制分类问题:根据年龄,性别,教育和职业(特征)等个人的普查数据,我 ...
Tensorflow快餐教程(12) - 用机器写莎士比亚的戏剧
高层框架:TFLearn和Keras 上一节我们学习了Tensorflow的高层API封装,可以通过简单的几步就生成一个DNN分类器来解决MNIST手写识别问题. 尽管Tensorflow也在不断推进 ...
Tensorflow快餐教程(1) - 30行代码搞定手写识别
摘要: Tensorflow入门教程1 去年买了几本讲tensorflow的书,结果今年看的时候发现有些样例代码所用的API已经过时了.看来自己维护一个保持更新的Tensorflow的教程还是有意义的 ...
TensorFlow Eager 教程(转)
TensorFlow Eager 教程(转) ApacheCN_飞龙 0.3 2018.07.25 22:41* 字数 9550 TensorFlow Eager 教程来源:madalinabuza ...
TensorFlow Eager 教程
TensorFlow Eager 教程来源:madalinabuzau/tensorflow-eager-tutorials 译者:飞龙协议:CC BY-NC-SA 4.0 一.如何使用 Tens ...
TensorFlow入门教程（1）安装、基础、Tensorboard
TensorFlow入门教程本教程适合人群: - 会些python但不是特别精通 - 机器学习的初学者本教程预计耗时: - 2-3小时本教程预计效果: - 掌握TensorFlow的基础操作 - ...
TensorFlow入门教程：1：安装和第一个例子程序
TensorFlow™ 是Google开源的一个采用数据流图用于数值计算的开源库.截止到目前为止在github上已经获得超过6万个Star,已经成为深度学习和机器学习方面最为受欢迎的项目,炙手可热.这 ...
tensorflow入门教程(三十四)疲劳检测之开眼闭眼识别
# #作者:韦访 #博客:https://blog.csdn.net/rookie_wei #微信:1007895847 #添加微信的备注一下是CSDN的 #欢迎大家一起学习 # ------韦访 2 ...
GPU运行Tensorflow详细教程及错误解决
GPU运行Tensorflow详细教程及错误解决前提条件配置GPU运行确认是否成功配置出现的错误及解决方案前提条件最重要的一点:CUDA与tensorflow的版本一点要对应,不然用不了! ...
Python培训教程分享：10款超好用的Python开发工具
学会Python技术后,我们在参加工作的时候如果能有辅助工具的话,那么会很大程度的提高我们的工作效率,那么Python都有哪些好用的开发工具呢?下面小编就为大家详细的介绍一下10款超好用的Python ...