DeepXDE已经实现了很多如上所示的算法并支持很多特性：
复杂领域的几何形状5种类型的边界条件(BC)：Dirichlet、Neumann、Robin、周期性和一般BC，可以在任意域或点集上定义。不同的神经网络6种采样方式在训练过程中方便地保存模型，并加载一个训练好的模型使用dropout进行不确定性量化使用户代码紧凑，与数学公式非常相似。DeepXDE结构良好且可配置性高，可以轻松定制DeepXDE以满足新需求。
安装DeepXDE需要安装以下特定于后端的依赖项之一：TensorFlow1.x：TensorFlow >=2.2.0TensorFlow2.x：TensorFlow >=2.2.0和 TensorFlowProbabilityPyTorch：PyTorch然后就可以安装DeepXDE本身安装稳定版本pip：$pipinstalldeepxde安装稳定版本conda：$condainstall-cconda-forgedeepxde对于开发人员，应该将文件夹克隆到您的本地计算机并将其与你的项目脚本放在一起$gitclonehttps://github.com/lululxvi/deepxde.git其他依赖
MatplotlibNumPyscikit学习scikit优化SciPy
评论