# CFDLAB_ML 2023-03-10
###### Tags: `CFDLab`

哈囉學弟，
我沒有交接過也沒被交接過沒有什麼經驗，有什麼問題再跟我說不用客氣～那目前應該是還沒整理完全部的內容，就一邊做一邊整理吧，那目前整理的內容大概是：

## Objective
### What
重新簡述一下這個研究，這個研究是想要用Machine Learning 來加速 Gauss Seidel 的迭代過程，針對的是使用Projection method（或稱作Fractional step method）解Lid Driven Cavity 的 Gauss Seidel 迭代過程。Projection method這個演算法有四個演算的步驟：

step-1 u*, v*
step-2 u**, v**
step-3 p
step-4 u, v

在 step-3解壓力場的過程中要解的的是Poisson equation， $$ \frac{\nabla \cdot \mathbf{u^{**}}}{\Delta t} = \nabla^2 p $$ ，解這條隱性方程式需要透過Gauss Seidel的迭代過程，而要透過 machine learning改善的就是這個環節。

### How
直接採用Gauss Seidel 的話，
$$
p^n \text{的起始值} = p^{n-1}, \\
n:\text{時間步}
$$
起始值是上一個時間步 $t^{*}=n-1$ 迭代後，收斂過後的結果 $p^{n-1}$，然後基於起始值再開始迭代。那machine learning 介入的就是起始值的，更準確的說，是「$p^{n-1}$ 與 $p^n$」差異的猜測。
$$
p^n \text{的起始值} = p^{n-1}+ \delta p, \\
n:\text{時間步}, \delta p: \text{machine learning 要去學習的值}
$$

## Code
### Intro
目前的程式主要分成兩個大的分支：

一，在 C++ 中跑Projection method並生成資料，在python(pytorch)上訓練模型，最後，把模型匯出回到 C++ 跑Projection method程式。
> 這個是老師的目標，也就是要讓模型能夠落地到實驗室的C程式，不然machine learning 在python上來回還是比較主流比較常見的。在這個分支裡比較tricky的是最後一步"把模型匯出回 C++"，我有把一些東西整理在[這邊](https://en-chou.github.io/2022/09/21/2022-09-21-%E5%9C%A8C-%E9%83%A8%E5%B1%ACpytorch%E6%A8%A1%E5%9E%8B/)，你有興趣可以先看一下，但不是必要可以先跳過。

二，在 Python 中跑Projection method並生成資料，在python(pytorch)上訓練模型，最後，把模型用在python跑Projection method程式。
> 全部搬到python這個是最近轉換的，這有一個很大的好處，在python上面做一些檢查都很方便，找問題快很多。那我也會先給你這組程式。

### Python
+ 熟悉python：Python 寫起來應該可以比 C++ 愉快許多，如果 python 對你來說很陌生的話，可以用 [w3school](https://www.w3schools.com/python/) 來熟悉認識一下語法，python modules 底下 numpy 跟 pandas 也可以看一下。
> Python 是直譯語言，跟C++不一樣它不需要compile，會比較像是matlab。可以先玩玩看用用看 [colab](https://colab.research.google.com/) ，這個題目只使用colab是沒有問題的，在上面跑資源應該是會比實驗是的桌機好。本地的東西架一架說不定會耗掉你很多時間，我覺得可以以後有興趣再回頭看。

### 附件
+ 在python跑Projection method 程式：
https://colab.research.google.com/drive/1C-BuHxUzNirJdKpk9YveN_uisSxX5FnY?usp=sharing
> 點`執行階段`->`執行全部`，然後往下滑到"Algorithm"的地方可以看到執行中的區塊（第32個區塊），這支程式有machine learning的地方都先註解掉了，可以直接跑。
+ 我最近在跑的Auto encoder 程式：
https://colab.research.google.com/drive/12_fvVrDPVqO2MB_anGTBtEgqkxh4VXzi?usp=sharing
> 這個要成功執行需要你先將 colab 與你的 google drive 連接好，並把訓練資料放到指定的目錄才能運行。

連接到colab與google drive的程式：

from google.colab import drive
drive.mount('/content/gdrive')
path=F"/content/gdrive/My Drive/你選擇的路徑/" 

+ 訓練資料以及範例模型：https://drive.google.com/drive/folders/1TTk7sRr9uJnj8wsbMRmwDSKAQNCy0PAY

## 先前的內容
+ [李宏毅老師的課程](http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html?fbclid=IwAR2mgMgY9mnTdS250l3IKum5MvJ93z1TiX5shDX2WSOXoPmBctPG1I2NV4M)
+ Rebecca 的 thesis
+ Lid Driven Cavity flowfield-Re regression 的 ppt
+ [2023-03-08個咪筆記](https://hackmd.io/uP1CLE9lR6SAi3Pl_6SsHQ?view&fbclid=IwAR0o5JlC_aqn-FxM8IVEVj5kindUiKbtF21AH1OiZXvIvRhpe1yHCdLDrTg)