【技术实现步骤摘要】
本申请涉及人工智能(artificial intelligence，ai)，尤其涉及一种模型的训练方法、图像处理方法、装置和存储介质。
技术介绍
1、流体仿真在航天航空、汽车制造、能源电力以及化学化工等领域应用广泛，它通过数值计算求解控制方程以实现对流体的物理场的分析、预测和控制。传统的数值计算方法如有限差分方法(finite difference method，fdm)、有限体积方法(finite volumemethod，fvm)等，对于千万级左右的计算网络，对控制方程的求解需耗时数个小时。
2、随着ai技术的不断发展，为流体仿真中的科学计算带来了新的范式。然而，当前的模型在预测流体的物理场时，仍面临着精度的问题，且难以兼顾模型泛化性的问题，训练时收敛困难，训练耗时长。因此，亟需新型的方法对模型进行训练以得到更高效、高精度、泛化性更好的模型，实现流体仿真。
技术实现思路
1、有鉴于此，提出了一种模型的训练方法、图像处理方法、装置和存储介质。
2、第一方面，本申请...
【技术保护点】
1.一种模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过神经网络模型，利用所述第一梯度值对所述第一物理场图像进行处理，得到第二物理场图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述分块后的图像中对应第一梯度值越小的图像，被遮挡的概率越大。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述第一物理场图像和所述第二物理场图像，对所述神经网络模型进行损失优化，得到训练好的神经网络模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据第一梯度值、...
【技术特征摘要】
1.一种模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过神经网络模型，利用所述第一梯度值对所述第一物理场图像进行处理，得到第二物理场图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述分块后的图像中对应第一梯度值越小的图像，被遮挡的概率越大。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述第一物理场图像和所述第二物理场图像，对所述神经网络模型进行损失优化，得到训练好的神经网络模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据第一梯度值、第二梯度值、所述第一物理场图像和所述第二物理场图像，对所述神经网络模型进行损失优化，得到训练好的神经网络模型，包括：
6.根据权利要求2-5任一项所述的方法，其特征在于，所述神经网络模型包括编码器和解码器，所述根据遮挡后的图像，得到第二物理场图像，包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述训练好的神经网络模型为预训练好的神经网络模型，所述根据所述第一物理场图像和所述第二物理场图像，对所述神经网络模型进行损失优化，得到训练好的神经网络模型之后，所述方法还包括：
8.根据权利要求1-7任一项所述的方法，其特征在于，所述物理场包括以下中的一种或多种：流场、结构场、温度场、电磁场。
9.根据权利要求8所述的方法，其特征在于，在所述物理场为流场的情况下，所述仿真任务包括确定流体未来时刻的速度、压力、粘性系数中的一项或多项。
10.一种图像处理方法，其特征在于，所述方法包括：
11.一种模型的训练装置，其特征在于，所述装置包括：
12.根据权利要求11所述的装置...
【专利技术属性】
技术研发人员：杨康，李扬，刘红升，邓志文，王紫东，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。