【Hackathon No.95】 #61
Conversation
|
PR格式检查通过，你的PR将接受Paddle专家以及开源社区的review，请及时关注PR动态。 |
| ```julia | ||
| # Neural network | ||
| paddlewrap = PaddleModuleWrap(paddle_module) | ||
| chain = Chain(paddlewrap) |
There was a problem hiding this comment.
如果是当一整个黑盒的话，这里大概后面不需要再Chain了？
There was a problem hiding this comment.
这里是有点奇怪，因为我在使用PyCallChainRules.jl和NeuralPDE结合时，如果不把jlwrap再用一层Chain包装起来的话，下面一句DiffEqFlux.initial_params(jlwrap)得到的就会是一句空数组，而如果用Chain包装起来就可以得到预期的参数数组
There was a problem hiding this comment.
但是如果是调用Optimisers.destructure的话，直接传入jlwrap是可行的，之后我会再考虑用哪种形式
There was a problem hiding this comment.
但是如果是调用
Optimisers.destructure的话，直接传入jlwrap是可行的，之后我会再考虑用哪种形式
是的，得实现下这个的
There was a problem hiding this comment.
但是如果是调用
Optimisers.destructure的话，直接传入jlwrap是可行的，之后我会再考虑用哪种形式是的，得实现下这个的
因为这一步主要只是得到一个flatten后的数组，倾向于在实现NeuralPDE的例子时直接调用Optimisers.destructure
|
|
||
| 实现相应的构造函数，能够直接构造简单的全连接神经网络，如： | ||
| ```julia | ||
| PaddleModuleWrapper(dim_ins, |
There was a problem hiding this comment.
感觉这个constructor不是特别有必要，因为这里是specialized for dense layer,这里换个更具体的名字好一些
| end | ||
| ``` | ||
|
|
||
| # 六、测试和验收的考量 |
There was a problem hiding this comment.
这部分能否对最后验收的内容描述得更具体一些？比如，后面是像 PyCallChainRules一样提供一个迷你的package，还是说只是以一般demo源码形式提供呢？
个人倾向于前者，这样也好方便后面其他人复现和优化 😃
There was a problem hiding this comment.
因为有部分实现是和PyCallChianRules.jl重合的，是否可以考虑以在PyCallChianRules.jl上添加模块的形式，或者先完成这部分的任务，再作为后续的整合工作
There was a problem hiding this comment.
因为有部分实现是和PyCallChianRules.jl重合的，是否可以考虑以在PyCallChianRules.jl上添加模块的形式，或者先完成这部分的任务，再作为后续的整合工作
嗯，如果 PyCallChainRules.jl 里的接口有不够灵活的地方可以顺手去发个pr，cc我下，我们可以一起看看
|
@findmyway 我把之前的代码整理了一下： 目前基本的功能已经实现，不过还有很多需要优化和改进的地方 |
|
最后完成的代码repo可以transfer到 https://github.com/X4Science organization。 |
在Julia内封装Paddle的神经网络，使其能与NeuralPDE.jl结合求解PDE
https://github.com/X4Science/INFINITY/issues/1