【Hackathon 5th No.58】 A physics-informed deep neural network for surrogate modeling in classical elasto-plasticity

[co63oc]

PR types

Others

PR changes

Others

Describe

迁移原PR #558
修改：
Data类结构修改
取消global
Solver plot_loss_history使用的数据为一项，多项数据画图不支持，所以没有使用plot_loss_history
取消 irepeat
数据集读取错误，增加num_workers=0配置
使用hydra

PaddlePaddle/Paddle#57262

训练精度

	total	$EPNN^e$	${EPNN^{e}}^{p}$	$EPNN^\sigma$
paper	3.71	0.58	2.99	0.14
ppsci	4.07	0.75	3.16	0.14
diff	9%	29%	22%	0%

torch

paddle

数据集在 https://github.com/meghbali/ANNElastoplasticity/tree/main/Datasets/WG
dstate-16-plas.dat
dstress-16-plas.dat

已修改：
Data类结构修改
取消global
取消 irepeat
数据集读取错误，增加num_workers=0配置
使用hydra

[paddle-bot]

Thanks for your contribution!

[lijialin03]

代码可以有evaluation的补充吗？如果没有的话md文件里需要改一下，因为yaml文件里没有EVAL这一项

[co63oc]

代码可以有evaluation的补充吗？如果没有的话md文件里需要改一下，因为yaml文件里没有EVAL这一项

设置了eval_during_train=True，单独evaluation没有作用，已修改md文件

[lijialin03]

辛苦～

合入之前还有一些需要补充和修改的地方：

1. 代码中的变量，不管是不是中间变量，都需要使用意义明确的名字，不要使用xx11,xx12这样的名字，以增加代码可读性
2. loss分开显示（即需要分开设置constraint），同时明确每个loss代表的意义
3. eval相关的部分挪到evalution中
4. 对照原论文，画图时需要明确曲线含义，修改图片/变量名字
5. 参照官网标准，从原代码/论文提供一些评估指标（数值），并与复现的结果进行对比（注意写在comment里，不要写进epnn.md文档），在代码进行ci测试时需要符合这些数值

谢谢

[co63oc]

合入之前还有一些需要补充和修改的地方：

不大理解，模型复现总的过程就是模型+模型训练+收集数据画图，现在的问题是不理解收集哪部分数据

1 变量名已修改
2 论文中有两种loss算法，一种是loss，另一种是error，train使用的是loss和error，eval使用的是error，现在结果图是三张子图，分别是训练loss，训练的error，验证集计算的error，loss分开显示是三张子图分开生成吗，还是要去掉其中部分图？
3 eval是在每次train后调用，这样用来计算loss和error，如果移动到evalution，那是只用预训练模型获取结果的数据吗
4 论文中名称是这样，一种是loss，另一种是error，train使用的是loss，eval使用的是error
5 是PR的comment吗，还是代码的comment，PR的comment已设置指标

[lijialin03]

合入之前还有一些需要补充和修改的地方：

不大理解，模型复现总的过程就是模型+模型训练+收集数据画图，现在的问题是不理解收集哪部分数据

2. 需要把三种loss/error分开输出，按照这种输出格式，这样跟论文的图也对的上
   
3. 对的，那就是说现在的不用改，需要再在evalution中额外增加调用预训练模型，生成error的代码，可以参考bracket
4. 是的，我作为reviewer我已经理解了，但是一个新的用户在不看我们的沟通记录的时候可能很难理解，所以需要明确含义，比如对比论文里这个图，就能明确的看出是分别在训练和验证集上的，sigma/epsilon/xx/的结果

5. 我理解这个PR一开始的comment里的指标是跑100个epoch后的loss，是反向对齐的结果。但是首先反向对齐不能当成最终指标，它只是复现对齐中必要的一步，其次loss也不是指标，因为随机性的东西哪怕固定了随机种子，也可能和其他的因素有关（比如cuda版本），可以看一下这个https://pytorch.org/docs/stable/notes/randomness.html。因此一般的指标是诸如预测结果与真实值之间的 l2_error 等等（需要看论文确定）

[co63oc]

合入之前还有一些需要补充和修改的地方：

不大理解，模型复现总的过程就是模型+模型训练+收集数据画图，现在的问题是不理解收集哪部分数据

2. 需要把三种loss/error分开输出，按照这种输出格式，这样跟论文的图也对的上
   
3. 对的，那就是说现在的不用改，需要再在evalution中额外增加调用预训练模型，生成error的代码，可以参考bracket
4. 是的，我作为reviewer我已经理解了，但是一个新的用户在不看我们的沟通记录的时候可能很难理解，所以需要明确含义，比如对比论文里这个图，就能明确的看出是分别在训练和验证集上的，sigma/epsilon/xx/的结果

5. 我理解这个PR一开始的comment里的指标是跑100个epoch后的loss，是反向对齐的结果。但是首先反向对齐不能当成最终指标，它只是复现对齐中必要的一步，其次loss也不是指标，因为随机性的东西哪怕固定了随机种子，也可能和其他的因素有关（比如cuda版本），可以看一下这个https://pytorch.org/docs/stable/notes/randomness.html。因此一般的指标是诸如预测结果与真实值之间的 l2_error 等等（需要看论文确定）

2. loss function只能使用一个值，修改拆分的值为print输出显示
   3 已增加evalution代码
   4 已修改图片字段信息
   5 已修改显示Error值
   
   metric计算的输入参数output_dict会只取一项，修改为取消 metric

输出图像接近论文图25(epoch是1e^6)

[lijialin03]

需要将指标量化一下，如 Eval error：

	total	$EPNN^e$	${EPNN^{e}}^{p}$	$EPNN^\sigma$
paper	xx	xx	xx	xx
ppsci	xx	xx	xx	xx
diff	xx%	xx%	xx%	xx%

所以需要将原代码运行一下，记录相关指标，辛苦

[co63oc]

运行指标

	total	$EPNN^e$	${EPNN^{e}}^{p}$	$EPNN^\sigma$
paper	3.71	0.58	2.99	0.14
ppsci	4.07	0.75	3.16	0.14
diff	9%	29%	5%	0%

原仓库有的数据类型为float64

[lijialin03]

Contributor

好的，辛苦，不过22%这个算错了，应该是5%左右吧

[co63oc]

已修改

[HydrogenSulfate]

TODO: 修改、完善代码和文档

[co63oc]

TODO: 修改、完善代码和文档

修改PR #636