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: