PhotonTorch：一个基于深度学习框架PyTorch的光子模拟框架。
photontorch的Python项目详细描述
光电管
Photontorch是一个用于高度并行模拟和 光子电路的时域和频域优化。 Photontorch的特点是支持CUDA的模拟和优化 光子电路。它利用深度学习框架Pythorch来 把光子电路看作是一个递归神经网络。 这使得可以使用本机PyTorch优化器来优化 电路的（物理）参数。在
- 弗洛里斯·拉波特[floris.laporte@ugent.be]
- 网址：photontorch.com
安装
稳定版本
Photontorch可与pip一起安装：
pip install photontorch
开发版本
在开发或使用最新的phontorch版本时， 克隆存储库并与pip链接：
^{pr2}$在开发过程中，使用pytest从根目录中运行测试 git存储库：
pytest tests
文件
请阅读此处的完整文档：https://docs.photontorch.com
依赖关系
所需依赖项
- Python2.7（仅限Linux）或3.6+。建议使用Anaconda分布。在
- ^{
} :conda install pytorch（有关CUDA版本的更多安装选项，请参见pytorch.org） - ^{
} :conda install numpy - ^{
} :conda install scipy
可选（但推荐）依赖项
- ^{
} :conda install tqdm[进度条] - ^{
} :conda install networkx[网络可视化] - ^{
} :conda install matplotlib[可视化] - ^{
} :conda install pytest[运行测试] - ^{
} :conda install pandoc[生成文档] - ^{
} :pip install sphinx nbsphinx[生成文档] - ^{
} ：pip install torch-lfilter[探测器的更快的滤波器]
参考文献
如果你在工作中使用phontorch，或者感觉受到了它的启发， 我们请您在您的工作中引用我们：
Floris Laporte，Joni Dambre和Peter Bienstman。“高度并行仿真 并在此基础上对光子电路进行了时域和频域优化 深度学习框架Pythorch。“科学报告9.1（2019）：5918。在
已知问题
- 复张量支撑。中不支持复数张量 Pythorch/光电管。在复张量适用的地方， phontorch期望实值张量具有实数和imag部分 堆积在第一维度。phontorch问题可以是 跟随here和 Pythorch问题here。在
- 稀疏张量支持。大量的内存使用是可以避免的 当转换为连接矩阵的稀疏张量表示时 分散矩阵。phontorch问题可以遵循here
许可证
Photontorch曾经是一个定制的学术许可证，但是从10月份开始 2020年，Photontorch现在是完全开源的，可以在AGPLv3下使用。在
版权所有©2020，Floris Laporte-UGent-AGPLv3
- 项目
标签：
欢迎加入QQ群-->： 979659372
