PINN discover代码学习

PINNs-master\appendix\continuous_time_identification (Burgers)

---

import sys
sys.path.insert(0, '../../Utilities/')

优先搜索此路径下的文件进行import

---

scipy.io.loadmat('../Data/burgers_shock.mat')

读取.mat文件，有三个头，剩下的才是数据

• header：class 'bytes'
• version：class 'str'
• globals：class 'list'

---

t = data['t'].flatten()[:,None] 
# flatten--> (n,)    [:, None]-->(n,1)

---

np.hstack() # horizontal 
np.vstack() # vertical 

叠在一起，只允许一维，在tf中也有对应函数

---

idx = np.random.choice(a, n, replace=False, p=[list len = a])

• a: list or int，从中随机选取元素
• n: 随机选取的总个数
• replace：True&False 用来设置是否可以取相同元素：默认是True
  • True表示可以取相同数字；
  • False表示不可以取相同数字。
• p参数是每个元素取到的概率。长度与a相同，默认为均匀分布。

---

np.linalg.norm(x, ord=None, axis=None, keepdims=False)
# linalg=linear（线性）+algebra（代数），norm则表示范数。

• x: 矩阵也可以一维
• ord: default=2，还有1，无穷
• axis: 1按行处理，0按列处理，None算矩阵范数
• keepdims: True保持二维，False不保持