【任务分值】 30分
【背景描述】
PDE-Net是求解偏微分方程PDE-Net的数据-驱动AI方法。
【需求描述】
基于MindScience科学计算软件工具包提供的高阶API,利用PDE-Net方法实现对流扩散方程的求解。
【环境要求】
硬件平台:Ascend/GPU
软件平台:Linux-x86_64
【编程语言】
Python
【产出标准】
求解结果相对于数值方法求解精度在5%以内。
【PR提交地址】
https://gitee.com/mindspore/mindscience/tree/master/MindFlow
【期望完成时间】
2023-6-30
【开发指导】
https://gitee.com/mindspore/mindscience/tree/master
【导师及邮箱】
zhangyi430@huawei.com
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。
Please add labels (comp or sig), also you can visit https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md to find more.
为了让代码尽快被审核,请您为Pull Request打上 组件(comp)或兴趣组(sig) 标签,打上标签的PR可直接推送给责任人进行审核。
更多的标签可以查看https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md
以组件相关代码提交为例,如果你提交的是data组件代码,你可以这样评论:
//comp/data
当然你也可以邀请data SIG组来审核代码,可以这样写:
//sig/data
另外你还可以给这个PR标记类型,例如是bugfix或者是特性需求:
//kind/bug or //kind/feature
恭喜你,你已经学会了使用命令来打标签,接下来就在下面的评论里打上标签吧!
/intern-assign
/intern-approve
/intern-fail
/intern-assign
/intern-unassign
/intern-assign
/intern-approve
登录 后才可以发表评论