deepcfd

<p align="center"> <strong> <span style="font-size: 30px;">DeepCFD</span> </strong> </p> ## 数据集介绍 DeepCFD 数据集来源于 Ribeiro 等人于 2020 年发表的论文 [《DeepCFD: Efficient Steady-State Laminar Flow Approximation with Deep Convolutional Neural Networks》](https://arxiv.org/abs/2004.08826)。该论文面向二维非均匀稳态层流问题，使用 CFD 求解器生成随机形状障碍物周围的通道流真实解，并通过卷积神经网络学习完整的速度场和压力场。 本数据集中的每个样本采用 `172 × 79` 的规则网格表示。输入数据由障碍物表面符号距离、流体区域标签和顶部/底部表面符号距离组成，输出数据为对应的水平速度 `Ux`、垂直速度 `Uy` 和压力 `pressure`，可用于稳态不可压缩层流代理模型的训练、评测和推理验证。 ## 仓库说明 本标准化数据集仓库整理了 DeepCFD 的输入几何与符号距离场 `dataX.pkl`、对应 CFD 真实解 `dataY.pkl`，以及数据模式、文件校验清单、完整性摘要和验证脚本，可作为 `OneScience/DeepCFD` 模型的训练、推理、评测和可视化数据输入。 ## 文件说明 | 路径 | 功能 | 备注 | |---|---|---| | `README.md` | 数据集仓库使用说明 | 中文为主，介绍数据来源、仓库内容、数据格式、下载与校验方法 | | `data/dataX.pkl` | DeepCFD 模型输入数据 | 包含 981 个样本的几何与符号距离场，共 3 个通道 | | `data/dataY.pkl` | DeepCFD CFD 真实解 | 与输入样本一一对应，包含 `Ux`、`Uy` 和 `pressure` 3 个通道 | | `metadata/deepcfd_schema.json` | DeepCFD 数据模式说明 | 记录文件角色、shape、dtype、通道定义及默认训练/测试切分 | | `scripts/validate_deepcfd_dataset.py` | 数据集校验脚本 | 检查目录结构、文件名、shape、dtype、样例数值和文件大小；支持可选 SHA256 校验 | | `files_sha256.jsonl` | 数据文件校验清单 | 记录两个核心数据文件的路径、大小和 SHA256 摘要 | | `data_integrity_summary.json` | 数据完整性汇总 | 记录来源文件与标准化文件的大小、SHA256、shape 和 dtype 对照结果，当前全部一致 | ## 数据格式 | 文件 | shape | dtype | 通道说明 | |---|---:|---|---| | `data/dataX.pkl` | `[981, 3, 172, 79]` | `float32` | 通道 0：障碍物表面符号距离；通道 1：流体区域标签；通道 2：顶部/底部表面符号距离 | | `data/dataY.pkl` | `[981, 3, 172, 79]` | `float32` | 通道 0：水平速度 `Ux`；通道 1：垂直速度 `Uy`；通道 2：压力 `pressure` | ## 使用说明 本数据集适配 `OneScience/DeepCFD` 模型。DeepCFD运行时可通过模型包脚本把本仓库的数据组织到模型运行目录。 - 文件与下载： ```bash modelscope download --dataset OneScience/deepcfd --local_dir ./deepcfd modelscope download --model OneScience/DeepCFD --local_dir ./DeepCFD ``` - 数据验证 ```bash python scripts/validate_deepcfd_dataset.py ``` 完整 SHA256 校验可执行 `python scripts/validate_deepcfd_dataset.py --full-hash`。 ## OneScience 官方信息 | 平台 | OneScience 主仓库 | Skills 仓库 | |---|---|---| | Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills | | GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills | ## 引用与许可证 - DeepCFD 原始论文：[DeepCFD: Efficient Steady-State Laminar Flow Approximation with Deep Convolutional Neural Networks](https://arxiv.org/abs/2004.08826) - 本仓库保留来源说明，并面向 OneScience ModelScope 自动运行场景进行整理；公开分发前请根据上游项目确认许可证要求。