Инструменты взаимодействия с ML моделями на Python

Модуль repeat_onnx предназначен для подготовки дополнительного описания моделей машинного обучения, помещаемого в нейтральный формат ONNX вместе с моделью. Данное описание используется следующими блоками платформы REPEAT VISION при загрузке ML модели:

1. Аппроксимационная модель (ТГ) в библиотеке Теплогидравлика;

2. Аппроксимационная модель (П) в библиотеке Пневматика.

Дополнительное описание, позволяет блокам платформы REPEAT VISION однозначно сопоставить входные параметры модели машинного обучения с давлениями и температурами узлов блока. Также описание позволяет сопоставить результаты расчёта на выходных параметрах модели с узловыми расходами и потоками энергии или энтальпии.

Дополнительное описание ML модели должно располагаться в структуре metadata_props по ключу "repeat_contract".

См. также

Подробнее о требованиях к дополнительному описанию ML моделей смотрите в справке соответствующего блока:

1. Аппроксимационная модель (ТГ)

2. Аппроксимационная модель (П)

Далее приводится пример дополнительного описания модели машинного обучения для совместного использования с блоками библиотеки Теплогидравлика платформы REPEAT VISION.

В примере ниже записывается дополнительное описание для заранее подготовленной ML модели, содержащей 2 узла, и сохранённой в нейтральный формат ONNX по пути path.

import onnx
import repeat_onnx  as rx


model_description = rx.ModelTH(
  [
   rx.NodeTH(
     "Input unit", "pressure_1", "temperature_1", 
     "flowrate_1", "enthalpy_flux_1"
     ),
   rx.NodeTH(
     "Output unit", "pressure_2", "temperature_2", 
     "flowrate_2", "enthalpy_flux_2"
     ),
   ]
  )
properties = onnx.StringStringEntryProto()
properties.key = "repeat_contract"
properties.value = model_description.to_onnx()
model = onnx.load(path)
model.metadata_props.append(properties)
onnx.save(model, path)

См. также

Ознакомьтесь с материалами документации по созданию ML моделей с помощью языка программирования Python для последующей интеграции с платформой REPEAT VISION:

1. Аппроксимационная модель течения газа через штуцер;

2. Простая модель машинного обучения теплопроводности;

3. Аппроксимация решения дифференциального уравнения колебаний с помощью PINN;

Инструменты для аппроксимационных моделей теплогидравлики

В справке представлены инструменты подготовки дополнительного описания ML моделей теплогидравлики для блока Аппроксимационная модель (ТГ).

Инструменты для ML моделей теплогидравлики

Инструменты для аппроксимационных моделей пневматики

В справке представлены инструменты подготовки дополнительного описания ML моделей пневматики для блока Аппроксимационная модель (П).

Инструменты для ML моделей пневматики