---
title: CROP-NavierStokes-Re10000
canonical_url: "https://www.modelscope.cn/datasets/OneScience/CROP-NavierStokes-Re10000"
md_url: "https://www.modelscope.cn/datasets/OneScience/CROP-NavierStokes-Re10000.md"
repository: OneScience/CROP-NavierStokes-Re10000
last_updated: 2026-10-18
license: other
storage_size: "640 MB"
downloads: 1
stars: 0
---

# CROP-NavierStokes-Re10000

> CROP-NavierStokes-Re10000 - OneScience 在 ModelScope 开源的数据集。CROP Navier-Stokes Re=10000

OneScience/CROP-NavierStokes-Re10000 是 ModelScope 魔搭社区上的数据集，存储大小 640 MB，采用 other 许可。

- **Repository**: OneScience/CROP-NavierStokes-Re10000
- **License**: other
- **Storage size**: 640 MB
- **Downloads**: 1
- **Stars**: 0
- **Last updated**: 2026-10-18

Source: https://www.modelscope.cn/datasets/OneScience/CROP-NavierStokes-Re10000

---

# CROP Navier-Stokes Re=10000

## 数据集介绍

本数据集整理自 [CROP 论文官方仓库](https://github.com/wenhangao21/ICLR25-CROP)提供的数据下载入口，用于二维高雷诺数 Navier-Stokes 涡量场预测实验。这里保留原始 `new_ns_train_1e-4_T30_N2048_s64.h5` 文件，不修改数值。

## 数据集支持的任务

支持 [OneScience/CROP-NavierStokes-HighRe](https://www.modelscope.cn/models/OneScience/CROP-NavierStokes-HighRe) 的单步预测实验。模型以时间索引 0 的涡量场为输入，预测时间索引 5 的涡量场，按样本顺序划分训练 1792、验证 128、测试 128 组。

## 数据格式

| 文件 | 字段 | shape | dtype | 说明 |
| --- | --- | --- | --- | --- |
| `new_ns_train_1e-4_T30_N2048_s64.h5` | `u` | `[20,64,64,2048]` | `float32` | 时间、两个空间方向、样本 |

读取示例：

```python
import h5py
with h5py.File('data/new_ns_train_1e-4_T30_N2048_s64.h5', 'r') as f:
    print(f['u'].shape, f['u'].dtype)
```

## 数据集使用方式

在模型包根目录执行：

```bash
pip install 'modelscope[datasets]'
modelscope download --dataset OneScience/CROP-NavierStokes-Re10000 --local_dir ./data
```

## OneScience 官方信息

| 平台 | OneScience 主仓库 | Skills 仓库 |
| --- | --- | --- |
| Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |

## 引用与许可证

- 论文：[Discretization-invariance? On the Discretization Mismatch Errors in Neural Operators](https://proceedings.iclr.cc/paper_files/paper/2025/file/313829757739365201b5adb3a1cbd9bd-Paper-Conference.pdf)。
- 数据来源：[官方仓库及其数据下载入口](https://github.com/wenhangao21/ICLR25-CROP)。原始数据未见独立的再分发许可证说明，因此本整理仓库标记为 `other`；使用时应标注原始来源，具体使用条件以原作者说明为准。