معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Converting ML-CFD models to ONNX

ویژگی	مقدار
سیستم عامل	-
نام فایل	cfdonnx-2.0.0
نام	cfdonnx
نسخه کتابخانه	2.0.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Carlos Pena Monferrer
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/simzero/cfdonnx
آدرس اینترنتی	https://pypi.org/project/cfdonnx/
مجوز	MIT

# cfdonnx A Python module for exporting pre-trained CFD models to ONNX, making them interoperable with other ML frameworks and compatible with browsers. It currently supports U-Net architecture and PyTorch models, but it will be soon extended to other frameworks and architectures. Reproducible examples can be found at [openfoam-cfd-rom](https://github.com/simzero/openfoam-ml-rom) usign [DeepCFD](https://github.com/mdribeiro/DeepCFD). ## Installation The module can be installed with: ``` pip3 install cfdonnx ``` ## Usage ``` Usage: python3 -m cfdonnx [OPTIONS] Options: -n, --net TEXT network architecture: UNetEx or AutoEncoder (default: UNetEx) -i, --input PATH checkpoint (default: checkpoint.pt) -o, --output PATH ONNX output file (default: checkpoint.onnx) -k, --kernel-size INT kernel size (optional, read from state_dict['kernel_size] by default ) -f, --filters TEXT filter size, e.g. 8,16,32,32 (optional, read from state_dict['filters'] by default) -c --channels INT number of channels (optional, read from state_dict['input_shape'] by default) -x --nx INT X dimension (optional, read from state_dict['input_shape'] by default) -y --ny INT Y dimension (optional, read from state_dict['input_shape'] by default ) -o, --output PATH Save model path (default: mymodel.pt) Example: python3 -m cfdonnx \ --net UNetEx \ --input flowAroundObstacles.pt \ --output flowAroundObstacles.onnx ``` You can use your CFD ONNX models on runtime in Babylon.js as showcased at https://play.simzero.com/#D3SFTH#6 for the [flowAroundObstacles](https://github.com/simzero/openfoam-ml-rom/tree/main/OpenFOAM/incompressible/simpleFoam/flowAroundObstacles) example. A generic template for using ONNX is also available at https://play.simzero.com/#WIB297#1.

نیازمندی

مقدار	نام
==1.13.1	onnx
==1.14.1	onnxruntime
==2.0.0	torch
==0.15.1	torchvision

نحوه نصب

نصب پکیج whl cfdonnx-2.0.0:

pip install cfdonnx-2.0.0.whl

نصب پکیج tar.gz cfdonnx-2.0.0:

pip install cfdonnx-2.0.0.tar.gz