OpenFOAM libtorch tutorial step by step

李东岳

@迟铁我试了一下，不需要加v，我估计你那面你自己搞啥东西搞错了。帖子我一会删除了，怕引起误导。

李东岳

#include <torch/torch.h>
using namespace std;

class NN: 
    public torch::nn::Module 
{
public:
    torch::nn::Sequential net_;

    NN() 
    {
        net_ = register_module
        (
            "net", 
            torch::nn::Sequential
            (
                torch::nn::Linear(9, 10),
                torch::nn::ReLU(),
                torch::nn::Linear(10, 1)
            )
        );
    }

    torch::Tensor forward(torch::Tensor x) 
    {
        return net_->forward(x);
    }
};

int main() 
{
    torch::nn::MSELoss crit;
    NN model;

    auto input = torch::empty({6, 1, 9}); 

    #include "data.H"

    torch::optim::Adam adam(model.parameters(), torch::optim::AdamOptions(0.001));
    for (int epoch = 0; epoch < 5000; epoch++) 
    {
        auto outputF = model.forward(input);
        auto target = torch::empty_like(outputF);

        #include "target.H"

        auto loss = crit(outputF, target);
        adam.zero_grad();
        loss.backward();
        adam.step();
        if ((epoch + 1) % 100 == 0) 
        {
            cout << "Loss: " << loss.item<float>() << endl;
        }
    }

    auto test = torch::empty({2, 1, 9}); // batch, channel, sequence length
    #include "test.H"
    auto output = model.forward(test);
    std::cout<< output << endl;

    return 0;
}

更新非常简单的一个可以用来识别流场是否存在间断的代码框架

leaon

@李东岳老师，好！
还是有很多不明白的地方，多谢您的解答。

为了在编译的时候能找到“argList.H”,“solver.H”这两个文件，我查找了这个文件的位置，并在options文件里面指定了这两个文件的位置。：

EXE_INC = \
...
 -I$(LIB_SRC)/optimisation/adjointOptimisation/adjoint/lnInclude \
 -I$(LIB_SRC)/OpenFOAM/lnInclude \
 -I$(LIB_SRC)/OpenFOAM/include \
...
EXE_LIBS = \
     ...
    -libadjointOptimisation \
    -libOpenFOAM \
    ...

此外，从icoFoam solver 里面粘贴了一个createFields.H文件，但继续编译的时候，又出现了新的错误。这个**“simplifiedMeshes”和"fvc"的错误改如何解决**呀？请李老师指点一下。
最后，我有一个疑问，您这个代码如何与求解器建立关系呢？它对所有的求解器都是通用的么？

李东岳

我在这发的代码你可以理解是伪代码（纯粹我个人做记录用的）。有基础的话改一改就可以了。如果基础不好，这个需要重新学openfoam然后再看。

关于你的问题，我记得我的代码里面没有用fvc，你应该是包含了一些自己写的东西在里面，然后出现了这个报错。

这个代码不需要做CFD求解。这是监督学习只需要提供特征与标签。特征与标签是CFD单独计算出来的，不在求解器层面去计算。

李东岳

    Info<< "mesh size: " << mesh.C().size() << nl;                                                   
    int cellNum = mesh.C().size();                                                                   

    vectorField uCell = U.field();                                                                   
    
    auto a = torch::zeros({cellNum, 2});
        
    for (int i = 0; i < cellNum; i++)                                                                
    {   
        a[i][0] = uCell[i].x();
        a[i][1] = uCell[i].y();
    };                                                                                               
    
    std::cout<< "a:" << a << std::endl;

上面的代码可以把OpenFOAM的U场存储到a中

leaon

@李东岳
谢谢你，把solver.H 改成“fvCFD.H”就少了很多错误。不知道是不是与版本有关，这里用的是v2312版本。
还剩余一个错误：scalarField P1internal = P[1].primitiveField();

李东岳

@leaon http://dyfluid.com/code.html

参考这里，声明一个场进去

volScalarField T//体心场
(
    IOobject
    (
        "T",
        runTime.timeName(),
        mesh,
        IOobject::MUST_READ,
        IOobject::AUTO_WRITE
    ),
    mesh
);

李东岳

代码越来越复杂。这是执行一系列的卷积、池化操作等输出的8个通道的流场结果：

http://dyfluid.com/cnn.html#id6

捕获.JPG

下图是自编码器进行重组的流场：

李东岳

如果要保存模型。声明网络的时候，要用智能指针的形式：

//NN net;
auto net = std::make_shared<NN>();

上面第一行正常用不保存模型的话啥问题没有。但是如果要torch::save，只能用第二行的形式，否则编译不通过。

https://github.com/pytorch/pytorch/issues/15777

李东岳

https://download.pytorch.org/libtorch/cu118 gpu版本的libtorch下载地址

李东岳

https://github.com/pytorch/pytorch/blob/c0ff08577570c23694eb0e8b8750564847daccc2/test/cpp/api/parallel.cpp#L230-L293

libtorch多GPU并行编译可以参考这个

小泽同学

@李东岳李老师您好，我用的of是4.1版本的，按照您的最上面的教程走，发现也是torchFoam编译不了，如下图
860c6edd-babd-4515-8c7e-b7031dd958fd-QQ_1724054024615.png
想请问一下老版本的libtorch也是去官网下载吗，我的这个好像是不太支持c++14，就只支持c++11，请问怎么配置好libtorch呢，谢谢李老师了。

李东岳

openfoam + libtorch需要互相匹配。openfoam4这个版本太低了。为啥不升级到8 9 10 11 12类似的呢

李东岳

一个libtorch下自编码器范例

可以自己添加skip connection变成Unet

class NN
:
    public torch::nn::Module 
{
    torch::nn::Sequential net_;

public:

    NN()
    {
        net_ = register_module
        (
            "net", 
            torch::nn::Sequential
            (
                // encoder
                torch::nn::Conv2d(2, 5, 3),// 2 5 138
                torch::nn::BatchNorm2d(5),
                torch::nn::Tanh(),
                torch::nn::MaxPool2d(2),// 2 5 69
                torch::nn::Conv2d(5, 10, 3), //5 10 67
                torch::nn::BatchNorm2d(10),
                torch::nn::Tanh(),
                torch::nn::MaxPool2d(2), // 5 10 33
                torch::nn::Conv2d(10, 10, 3), // 10 10 31
                torch::nn::BatchNorm2d(10),
                torch::nn::Tanh(),
                torch::nn::MaxPool2d(2), // 10 10 15
                torch::nn::Conv2d(10, 10, 3), // 10 10 13
                torch::nn::BatchNorm2d(10),
                torch::nn::Tanh(),
                torch::nn::MaxPool2d(2), // 10 10 6

                // decoder
                torch::nn::Upsample
                (
                    torch::nn::UpsampleOptions().scale_factor
                    (
                        std::vector<double>{2.0, 2.0}
                    ).mode(torch::kBilinear).align_corners(true)
                ), // 10 10 12
                torch::nn::Conv2d(10, 10, 2), // 10 10 11
                torch::nn::Tanh(),
                torch::nn::Upsample
                (
                    torch::nn::UpsampleOptions().scale_factor
                    (
                        std::vector<double>{2.0, 2.0}
                    ).mode(torch::kBilinear).align_corners(true)
                ),// 10 10 22
                torch::nn::Conv2d(10, 10, 3),// 10 10 20
                torch::nn::Tanh(),
                torch::nn::Upsample
                (
                    torch::nn::UpsampleOptions().scale_factor
                    (
                        std::vector<double>{2.0, 2.0}
                    ).mode(torch::kBilinear).align_corners(true)
                ),// 10 10 40
                torch::nn::Conv2d(10, 10, 3),// 10 10 38
                torch::nn::Tanh(),
                torch::nn::Upsample
                (
                    torch::nn::UpsampleOptions().scale_factor
                    (
                        std::vector<double>{2.0, 2.0}
                    ).mode(torch::kBilinear).align_corners(true)
                ),// 10 10 76
                torch::nn::Conv2d(10, 10, 3),// 10 10 74
                torch::nn::Tanh(),
                torch::nn::Upsample
                (
                    torch::nn::UpsampleOptions().scale_factor
                    (
                        std::vector<double>{2.0, 2.0}
                    ).mode(torch::kBilinear).align_corners(true)
                ),// 10 10 148
                torch::nn::Conv2d(10, 10, 3),// 10 10 146
                torch::nn::Tanh(),
                torch::nn::Conv2d(10, 5, 3),// 10 10 144
                torch::nn::Tanh(),
                torch::nn::Conv2d(5, 2, 3),// 10 10 142
                torch::nn::Tanh(),
                torch::nn::Conv2d(2, 2, 3)// 10 10 140
            )
        );
    }

    auto forward(torch::Tensor x)
    {
        return net_->forward(x);
    }
};

小泽同学

@李东岳感谢李老师，明白需要配合版本使用，不升级是因为课题组在做的求解器模型是从4.1开始的，我也在高版本上运行过，但是总是报错就只能用4.1了，感谢李老师的回复。

李东岳

你可以尝试把openfoam低版本的求解器升级到高版本。

如果没兴趣不整也行。或者马上毕业了也属实没必要。这东西基本是兴趣驱动。。

火丙三金

请问各位有没有用pytorch的

Zhy2022

想请问李老师：我使用全系列虚拟机（您已提前配置好），再运行第6步这个简单例子，报错未找到torchFoam这个命令，是啥原因造成的呢编译过程中有很多warning和note应该不影响吧

李东岳

warning note不影响，把你log上传一下看看

Zhy2022

@李东岳李老师，问题解决了，是我把option文件改错了个地方。。新的问题又来了，我在OF11中（仍是该虚拟机）对bed案例进行foamRun或foamRun -solver multiphaseEuler时，为何报错：```
--> FOAM FATAL ERROR:
solvers table is empty

From function static Foam::autoPtr<Foam::solver> Foam::solver::New(const Foam::word&, Foam::fvMesh&)
in file solver/solverNew.C at line 48.

CFD中文网

OpenFOAM libtorch tutorial step by step

更新非常简单的一个可以用来识别流场是否存在间断的代码框架

上面的代码可以把OpenFOAM的U场存储到a中

一个libtorch下自编码器范例