> 该项目是《Problem-independent machine learning (PIML)-based topology optimization—A universal approach》机器学习网络部分的复现


## 环境依赖
> PyTorch 2.1.0 CUDA 12.1 Ubuntu 20.04 （没有用到新特性，所以应该对旧版本兼容）

```
# matplotlib==3.8.0
# numpy==1.26.2
# scikit_learn==1.3.0
# torch==2.1.0
pip install -r requirements.txt
```

## Usage
TODO: 用argparse模块管理网络参数
### Train
`python train.py`
> 编辑 `train.py` 内 `data_mod` 变量选择数据

### Test
`python test.py`
> 编辑 `test.py` 内 `dataload_mod` 和 `pretrained_mod` 变量选择加载数据和预训练模型



## 数据集
> 通过经典二维拓扑优化代码生成的三组形变、密度数据

mod1: ![](datasets/top88_mod1_img_180_60.jpg)

mod2: ![](datasets/top88_mod2_img_180_60.jpg)

mod3: ![](datasets/top88_mod3_img_180_60.jpg)

## 项目结构
```
.
├── checkpoints
│   ├── ...
├── datasets
│   ├── ...
├── models
│   ├── ANN.py
│   ├── AutoEncoder.py
│   └── CNN.py
├── README.md
├── requirements.txt
├── test.py
├── train.py
└── utils
    ├── data_loader.py
    └── data_standardizer.py
```