OpenFOAM libtorch tutorial step by step

李东岳

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.

李东岳

openfoam11直接运行foamRun就行了，不需要指定solver

Zhy2022

@李东岳李老师，直接foamRun还是报一样的错误

hurricane007

添加几点注意

第一步libtorch需要下载到OpenFOAM的目录里面并解压。
第二步WSL2 里面可能没装 uzip，用 sudo apt-install zip uzip 安装
解压torchFoam.tar.xz 后进入torchFoam wmake 的时候，需要把 torchFoam/Make 里面的options里面所有的dyfluid换成自己的这个WSL的用户名，pwd一下看/home/后面是啥就知道了

chengan.wang

@李东岳在 OpenFOAM libtorch tutorial step by step 中说：

更新gcc之后你openfoam就编译不了了。那你尝试安装老版本的libtorch吧

李老师，我用的是ubuntu18.04，Of2.4.0，您有推荐的libtorch版本么

李东岳

@chengan-wang 太老了，gcc版本啥的都太低了，我没有折腾过，你得亲自自己都尝试一下看看哪个能用

chengan.wang

@李东岳李老师，http://dyfluid.com/pinn.html ，#include "output.H"这个文件能补充上传么，想研究一下您的完整代码，谢谢

CFD中文网

OpenFOAM libtorch tutorial step by step

一个libtorch下自编码器范例