深度学习
蜗牛在听雨
这个作者很懒,什么都没留下…
展开
-
刀具磨损数据集
一、2010年phm大赛的刀具磨损检测数据链接:https://pan.baidu.com/s/1p3ZvGRSJXqDNOgLHonQ8BA提取码:s123数据集介绍文件c1、c4、c6为训练数据,文件c2、c3、c5为测试数据:第1列:X维力(N)第2列:Y维力(N)第3列:Z维力(N)第4列:X维振动(g)第5列:Y维振动(g)第6列:Z维振动(g)第7列:AE-RMS (V)刀具主轴转速为10400 RPM;进给速度1555 mm/min;切割Y深度(径向)为0.125原创 2021-03-08 21:29:14 · 5101 阅读 · 2 评论 -
pytorhc模型权重导出 解析.npy文件 将数据按照指定格式打印到txt中
代码如下:import numpy as npinput_data = np.load(r"mlp_6_weight.npy")print(input_data.shape)data = input_data.T #根据自己的需求确认是否要转置print(data.shape)print(data)np.savetxt(r"mlp_6_weight.txt",data,fmt=['%.017f']*data.shape[1],delimiter=',',newline='},\n{')原创 2020-11-05 17:19:41 · 925 阅读 · 0 评论 -
深度学习 解决过拟合问题
一、问题在深度学习时,一般将数据集划分成训练集和测试集。如果最终的训练结果不满意,一般就是以下两种情况:(1)训练集的准确率不高,测试集的准确率也不高;(欠拟合)(2)训练集的准确率非常高,测试集的准确率比训练集差上许多。(过拟合)对于第(1)种情况,一般是因为模型自身的问题,比如模型本身选择的不对,模型的类型不对或者模型的深度太浅了,需要重新选择合适的模型。对于第(2)种情况,通过训练过程中的损失值变化可以判断出过拟合情况的发生。例如下面的两个图,训练集上的损失一直在下降,但验证集的损失函数在某原创 2020-09-29 10:30:36 · 1246 阅读 · 0 评论