dnn是什么的英文缩写_常识│常见的面料成分缩写

2a2ad499b50ccbed32849ac4dbc2da48.png

2a72f61e975d4e590e75b8c098aa9d00.png

面料成分缩写(代号)是未来更为便捷准确的知晓面料成分,方便标记标识而统一制定的缩写代码规范。下面是根据纺织行业协会的统一标准而制定的面料成分缩写代码表。

英文缩写

英文名称

中文名称

C

Cotton

S

Silk

真丝

J

Jute

黄麻

T

Polyester

涤纶

A

Acrylic

腈纶

R

Rayon

人棉

CL

含氯纤维

AL

Alpaca

羊驼毛

YH

Yark hair

牦牛毛

CH

Camel hair

驼毛

Ts

Tussah silk

柞蚕丝

WS

Cashmere

羊绒

PV

Polyvinyl

维纶

LY

Lycra

莱卡

AC

acetate

醋酸纤维

RA

ramie

苎麻

RY

rayon

人造丝

EL

elastane fibre

弹性纤维

AL

albumen

蛹蛋白纤维

ME

metallic

金属纤维

op

Opelon

奥佩纶

p/c

polyester/cotton

聚酯棉

Tel

Tencel

天丝

CUP

CUPRA

酮氨

AvL

Kender

罗布麻

CF

碳纤维

英文缩写

英文名称

中文名称

W

Wool

羊毛

M

Mohair

马海毛

L

linen

亚麻

N

Nylon

锦纶(尼龙)

V

Viscose

粘胶

CA

醋酯纤维

GE

玻璃纤维

RH

Rabbit hair

兔毛

LA

Lambswool

羊羔毛

WA

Angora

安哥拉山羊毛

Ms

Mulberry silk

桑蚕丝

PP

Polypropylene

丙纶

SP

Spendex

氨纶

Md

Model

莫代尔

BM

bamboo

竹纤维

PE

polyester

聚酯纤维

PA

polyamide

聚酰胺纤维

SB

soybean

大豆纤维

CU

cuprammonium rayon

铜纤维

LC

Lyocell

莱赛尔纤维

VI

viscose rayon

粘胶人造丝

t/c

terylene/cotton

涤/棉

t/r

terylene/rayon

涤/人造丝

BEM

BEMBERG

酮氨丝宾霸

PIMA

pima cotton

比马棉

PE

乙纶

化纤长短丝代码

f

长丝

DY

拉伸丝

FDY

全牵伸丝

POY

预取向丝(高速纺丝,聚酯半延伸丝)

BCF

膨体(变形)长丝

SILKOOL

大豆蛋白纤维

WD

拉伸整经丝

UDY

拉伸丝

FDY

全拉伸丝

TY

变形丝

HDIY

重旦产业用丝

SDTY

纺拉变形丝

WDS

拉伸整经上浆丝

TTY

变形加弹丝

m

单丝(鬃丝)

DW

拉伸络筒丝

LOY

低速纺丝

DTY

POLYESTER TEXTURED YARN

拉伸变形丝(假捻加工丝)

NOY

免浆丝

PT

牵伸丝

LDIY

轻旦产业用丝

MOY

中速纺丝

HOY

中、超高速纺丝

SDY

纺丝拉伸丝

DT

拉伸加捻丝

ATY

吹捻空气变形丝

HWM

高湿模量纤维

Polynosic

波纤、富纤、高湿模量粘胶

PSF

聚酯短纤维

来源:印染学习与交流

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这个表达式是计算二分类(通常涉及机器学习中的预测模型,如DNN,即深度神经网络)中模型的准确率(Accuracy)。其中: - TP (True Positive): 真正例,预测为正且实际为正的样本数。 - TN (True Negative): 真负例,预测为负且实际为负的样本数。 - FP (False Positive): 假正例,预测为正但实际为负的样本数。 - FN (False Negative): 假负例,预测为负但实际为正的样本数。 公式 `(TP_DNN + TN_DNN) / (TP_DNN + TN_DNN + FP_DNN + FN_DNN)` 就是将正确预测(TP和TN)的总数除以所有预测总数(包括正确和错误预测),得到分类器在给定数据集上的准确率。 为了增加一个固定的阈值为0.5(通常用于二元分类问题中的概率阈值决策),我们通常会这样操作: 1. 对于模型输出的概率或预测概率进行比较。如果预测概率大于等于0.5,我们可以将其分类为正例(例如1),否则为负例(例如0)。 2. 计算新的TP、TN、FP和FN,基于新的分类标准。 这是一个示例代码片段: ```python # 假设model_output是DNN模型的输出概率列表 threshold = 0.5 new_predictions = [1 if prob >= threshold else 0 for prob in model_output] # 更新计数 TP_new = sum([1 for pred, actual in zip(new_predictions, labels) if pred == 1 and actual == 1]) TN_new = sum([1 for pred, actual in zip(new_predictions, labels) if pred == 0 and actual == 0]) FP_new = sum([1 for pred, actual in zip(new_predictions, labels) if pred == 1 and actual == 0]) FN_new = sum([1 for pred, actual in zip(new_predictions, labels) if pred == 0 and actual == 1]) # 新的精度计算 accuracy_DNN_thresholded = (TP_new + TN_new) / (TP_new + TN_new + FP_new + FN_new) print(f"Accuracy with 0.5 threshold: {accuracy_DNN_thresholded}") ``` 这里`labels`是对应的实际标签列表,`model_output`是模型预测的概率输出。这个新精度值就是基于0.5阈值后的模型性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值