【hydra No.4】aneurysm (#607)

* fix

* fix

* fix

* CI

* fix

* add result

* fix

docs/zh/examples/aneurysm.md

@@ -2,6 +2,34 @@
 
 <!-- <a href="TODO" class="md-button md-button--primary" style>AI Studio快速体验</a> -->
 
+=== "模型训练命令"
+
+    ``` sh
+    # linux
+    wget https://paddle-org.bj.bcebos.com/paddlescience/datasets/aneurysm/aneurysm_dataset.tar
+    # windows
+    # curl https://paddle-org.bj.bcebos.com/paddlescience/datasets/aneurysm/aneurysm_dataset.tar --output aneurysm_dataset.tar
+    # unzip it
+    tar -xvf aneurysm_dataset.tar
+    python aneurysm.py
+    ```
+
+=== "模型评估命令"
+
+    ``` sh
+    # linux
+    wget https://paddle-org.bj.bcebos.com/paddlescience/datasets/aneurysm/aneurysm_dataset.tar
+    # windows
+    # curl https://paddle-org.bj.bcebos.com/paddlescience/datasets/aneurysm/aneurysm_dataset.tar --output aneurysm_dataset.tar
+    # unzip it
+    tar -xvf aneurysm_dataset.tar
+    python aneurysm.py mode=eval EVAL.pretrained_model_path=https://paddle-org.bj.bcebos.com/paddlescience/models/aneurysm/aneurysm_pretrained.pdparams
+    ```
+
+| 预训练模型  | 指标 |
+|:--| :--|
+| [aneurysm_pretrained.pdparams](https://paddle-org.bj.bcebos.com/paddlescience/models/aneurysm/aneurysm_pretrained.pdparams) | loss(ref_u_v_w_p): 0.01488<br>MSE.p(ref_u_v_w_p): 0.01412<br>MSE.u(ref_u_v_w_p): 0.00021<br>MSE.v(ref_u_v_w_p): 0.00024<br>MSE.w(ref_u_v_w_p): 0.00032 |
+
 ## 1. 背景简介
 
 深度学习方法可以用于处理血管瘤问题，其中包括基于物理信息的深度学习方法。这种方法可以用于脑血管瘤的压力建模，以预测和评估血管瘤破裂的风险。
@@ -32,9 +60,9 @@ $$
 
 上式中 $f$ 即为 MLP 模型本身，用 PaddleScience 代码表示如下
 
-``` py linenums="26"
+``` py linenums="24"
 --8<--
-examples/aneurysm/aneurysm.py:26:29
+examples/aneurysm/aneurysm.py:24:25
 --8<--
 ```
 
@@ -46,9 +74,9 @@ examples/aneurysm/aneurysm.py:26:29
 
 血管瘤模型涉及到 2 个方程，一是流体 N-S 方程，二是流量计算方程，因此使用 PaddleScience 内置的 `NavierStokes` 和 `NormalDotVec` 即可。
 
-``` py linenums="31"
+``` py linenums="27"
 --8<--
-examples/aneurysm/aneurysm.py:31:37
+examples/aneurysm/aneurysm.py:27:33
 --8<--
 ```
 
@@ -77,37 +105,37 @@ tar -xvf aneurysm_dataset.tar
 
 然后通过 PaddleScience 内置的 STL 几何类 `Mesh` 来读取、解析这些几何文件，并且通过布尔运算，组合出各个计算域，代码如下：
 
-``` py linenums="39"
+``` py linenums="35"
 --8<--
-examples/aneurysm/aneurysm.py:39:44
+examples/aneurysm/aneurysm.py:35:40
 --8<--
 ```
 
 在此之后可以对几何域进行缩放和平移，以缩放输入数据的坐标范围，促进模型训练收敛。
 
-``` py linenums="46"
+``` py linenums="42"
 --8<--
-examples/aneurysm/aneurysm.py:46:62
+examples/aneurysm/aneurysm.py:42:54
 --8<--
 ```
 
 ### 3.4 约束构建
 
 本案例共涉及到 6 个约束，在具体约束构建之前，可以先构建数据读取配置，以便后续构建多个约束时复用该配置。
 
-``` py linenums="64"
+``` py linenums="56"
 --8<--
-examples/aneurysm/aneurysm.py:64:75
+examples/aneurysm/aneurysm.py:56:66
 --8<--
 ```
 
 #### 3.4.1 内部点约束
 
 以作用在内部点上的 `InteriorConstraint` 为例，代码如下：
 
-``` py linenums="125"
+``` py linenums="113"
 --8<--
-examples/aneurysm/aneurysm.py:125:132
+examples/aneurysm/aneurysm.py:113:120
 --8<--
 ```
 
@@ -128,27 +156,27 @@ examples/aneurysm/aneurysm.py:125:132
 接着需要对**血管入口、出口、血管壁**这三个表面施加约束，包括入口速度约束、出口压力约束、血管壁无滑移约束。
 在 `bc_inlet` 约束中，入口处的流速满足从中心点开始向周围呈二次抛物线衰减，此处使用抛物线函数表示速度随着远离圆心而衰减，再将其作为 `BoundaryConstraint` 的第二个参数(字典)的 value。
 
-``` py linenums="77"
+``` py linenums="68"
 --8<--
-examples/aneurysm/aneurysm.py:77:108
+examples/aneurysm/aneurysm.py:68:96
 --8<--
 ```
 
 血管出口、血管壁约束的构建方法类似，如下所示：
 
-``` py linenums="109"
+``` py linenums="97"
 --8<--
-examples/aneurysm/aneurysm.py:109:124
+examples/aneurysm/aneurysm.py:97:112
 --8<--
 ```
 
 #### 3.4.3 积分边界约束
 
 对于血管入口下方的一段区域和出口区域（面），需额外施加流入和流出的流量约束，由于流量计算涉及到具体面积，因此需要使用离散积分的方式进行计算，这些过程已经内置在了 `IntegralConstraint` 这一约束条件中。如下所示：
 
-``` py linenums="133"
+``` py linenums="121"
 --8<--
-examples/aneurysm/aneurysm.py:133:160
+examples/aneurysm/aneurysm.py:121:148
 --8<--
 ```
 
@@ -164,39 +192,39 @@ $$
 
 在微分方程约束、边界约束、初值约束构建完毕之后，以刚才的命名为关键字，封装到一个字典中，方便后续访问。
 
-``` py linenums="161"
+``` py linenums="149"
 --8<--
-examples/aneurysm/aneurysm.py:161:169
+examples/aneurysm/aneurysm.py:149:157
 --8<--
 ```
 
 ### 3.5 超参数设定
 
 接下来需要指定训练轮数和学习率，此处按实验经验，使用 1500 轮训练轮数。
 
-``` py linenums="171"
+``` py linenums="59"
 --8<--
-examples/aneurysm/aneurysm.py:171:172
+examples/aneurysm/conf/aneurysm.yaml:59:75
 --8<--
 ```
 
 ### 3.6 优化器构建
 
 训练过程会调用优化器来更新模型参数，此处选择较为常用的 `Adam` 优化器，并配合使用机器学习中常用的 OneCycle 学习率调整策略。
 
-``` py linenums="174"
+``` py linenums="159"
 --8<--
-examples/aneurysm/aneurysm.py:174:183
+examples/aneurysm/aneurysm.py:159:163
 --8<--
 ```
 
 ### 3.7 评估器构建
 
 在训练过程中通常会按一定轮数间隔，用验证集（测试集）评估当前模型的训练情况，因此使用 `ppsci.validate.GeometryValidator` 构建评估器。
 
-``` py linenums="185"
+``` py linenums="165"
 --8<--
-examples/aneurysm/aneurysm.py:185:234
+examples/aneurysm/aneurysm.py:165:241
 --8<--
 ```
 
@@ -206,19 +234,19 @@ examples/aneurysm/aneurysm.py:185:234
 
 本文中的输出数据是一个区域内的三维点集，因此只需要将评估的输出数据保存成 **vtu格式** 文件，最后用可视化软件打开查看即可。代码如下：
 
-``` py linenums="236"
+``` py linenums="216"
 --8<--
-examples/aneurysm/aneurysm.py:236:250
+examples/aneurysm/aneurysm.py:216:229
 --8<--
 ```
 
 ### 3.9 模型训练、评估与可视化
 
 完成上述设置之后，只需要将上述实例化的对象按顺序传递给 `ppsci.solver.Solver`，然后启动训练、评估、可视化。
 
-``` py linenums="251"
+``` py linenums="231"
 --8<--
-examples/aneurysm/aneurysm.py:251:278
+examples/aneurysm/aneurysm.py:231:258
 --8<--
 ```