NABLA-SciML
Physics Informed Machine Learning Tutorials (Pytorch and Jax)
파일 탐색기
최종 버전 다운로드 (.zip)- KAN_Helmholthz.ipynb
- README.md
- __init__.cpython-311.pyc
- __init__.cpython-312.pyc
- __init__.cpython-39.pyc
- __init__.cpython-311.pyc
- __init__.cpython-312.pyc
- metrics.cpython-311.pyc
- metrics.cpython-312.pyc
- utils.cpython-311.pyc
- utils.cpython-312.pyc
- __init__.py
- metrics.py
- np2vtp.py
- plots.py
- utils.py
- dependency_links.txt
- PKG-INFO
- requires.txt
- SOURCES.txt
- top_level.txt
- layers.py
- polynomials.py
- layers.py
- NN_KAN.py
- NNpp_DN.py
- polynomials.py
- __init__.cpython-311.pyc
- __init__.cpython-312.pyc
- DG.cpython-311.pyc
- layers.cpython-311.pyc
- layers.cpython-312.pyc
- polynomials.cpython-311.pyc
- polynomials.cpython-312.pyc
- __init__.py
- DG_0.py
- KART_0.py
- layers.py
- layers_0.py
- NN_0.py
- NNpp.py
- NNpp_0.py
- polynomials.py
- __init__.cpython-311.pyc
- __init__.cpython-312.pyc
- bfgs.cpython-311.pyc
- bfgs.cpython-312.pyc
- minimize.cpython-311.pyc
- minimize.cpython-312.pyc
- soap.cpython-311.pyc
- __init__.py
- bfgs.py
- minimize.py
- __init__.py
- AC.mat
- KKAN_ssRBA-R.ipynb
- README.md
- Burgers.mat
- Euler.mat
- .DS_Store
- 7_Antiderivative.ipynb
- 8_Antiderivative(PI-DeepONet).ipynb
- 9_DiffusionReaction(PI_DeepONet).ipynb
- 1_Approximate_a_function.ipynb
- 2_SimpleODE.ipynb
- 3_Poisson1D_Dirichlet.ipynb
- 4_DiffusionEquation.ipynb
- 4_DiffusionEquation_MAC.ipynb
- 5_BurgersEquation.ipynb
- 6_BurgersEquation(Inverse).ipynb
- README.md
- AC.mat
- Allen_Cahn.ipynb
- Helmholtz.png
- Helmholtz_ADF.ipynb
- Helmholtz_Fourier.ipynb
- README.md
- don.py
- postprocess.ipynb
- train_don.py
- don.py
- plots.ipynb
- postprocess.ipynb
- train_don.py
- postprocess.ipynb
- Vanilla.py
- plots.ipynb
- postprocess.ipynb
- vrba_sample.py
- testing_dataset.mat
- training_dataset.mat
- Shocks.ipynb
- postprocess.ipynb
- tcunet.py
- vanilla.py
- tcunet.py
- plots.ipynb
- __init__.py
- Auxiliary.py
- dataloader.py
- metrics.py
- np2vtp.py
- plots.py
- layers.py
- polynomials.py
- __init__.cpython-311.pyc
- bfgs.cpython-311.pyc
- minimize.cpython-311.pyc
- __init__.py
- bfgs.py
- minimize.py
- allen_cahn_HR.mat
- burgers.mat
- burgers_1000.npz
- AC_SNR.ipynb
- AC_SNR.py
- results_cosh.npz
- results_exponential.npz
- results_linear.npz
- results_logarithmic.npz
- results_lp.npz
- results_quadratic.npz
- results_superexp.npz
- summary_metrics_fields_cosh.png
- summary_metrics_fields_exponential.png
- summary_metrics_fields_linear.png
- summary_metrics_fields_logarithmic.png
- summary_metrics_fields_lp.png
- summary_metrics_fields_quadratic.png
- AC_SNR.py
- results_cosh.npz
- results_exponential.npz
- results_linear.npz
- results_logarithmic.npz
- results_lp.npz
- results_quadratic.npz
- results_superexp.npz
- BG_1000.py
- BG_1000.sh
- burgers_pred.npz
- burgers_pred_cosh.npz
- burgers_pred_exponential.npz
- burgers_pred_linear.npz
- burgers_pred_logarithmic.npz
- burgers_pred_lp.npz
- burgers_pred_quadratic.npz
- burgers_pred_superexp.npz
- BG_100pi.py
- burgers_pred_cosh.npz
- burgers_pred_exponential.npz
- burgers_pred_linear.npz
- burgers_pred_logarithmic.npz
- burgers_pred_lp.npz
- burgers_pred_quadratic.npz
- burgers_pred_superexp.npz
- KdV.py
- kdv_results_cosh.npz
- kdv_results_exponential.npz
- kdv_results_linear.npz
- kdv_results_logarithmic.npz
- kdv_results_lp.npz
- kdv_results_quadratic.npz
- kdv_results_superexp.npz
- AC_SNR.ipynb
- AC_SNR.py
- plots.ipynb
- results_linear.npz
- results_quadratic_0.0.npz
- results_quadratic_0.1.npz
- results_quadratic_0.5.npz
- results_quadratic_0.9.npz
- results_quadratic_0.99.npz
- AC.sh
- AC_SNR.py
- BG_100pi.py
- BG_100pi.sh
- burgers_pred_quadratic.npz
- burgers_pred_quadratic_0.0.npz
- burgers_pred_quadratic_0.1.npz
- burgers_pred_quadratic_0.5.npz
- burgers_pred_quadratic_0.9.npz
- burgers_pred_quadratic_0.99.npz
- plots.ipynb
- plots.ipynb
- Sensitivity_analysis.ipynb
- Burgers_Demo.ipynb
- CITATION.cff
- README.md
- .DS_Store
- pyproject.toml
- README.md
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/jdtoscano94/NABLA-SciML
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd NABLA-SciML
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. 공식 설치 스크립트
쉬움 추천사전 준비물
- Python 3 pip 명령어를 쓰려면 Python이 필요합니다.
pip install -U "jax[cuda12]"
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
3. Python
쉬움사전 준비물
pip install -U "jax[cuda12]"
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -e .
requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
// repository documentation
Was this content helpful?
(0 ratings)