wwb1990的博客

QQ群1070535031跟随上一篇的思路，本篇我们来实现整个流程。实验需求跟随本文进行学习和实验，需要前面博文中的环境，以及提取出来的UK数据。（学习分享——基于深度学习的NILM负荷分解（二）电器数据提取）本文的代码思路在上一篇，本文着重介绍代码实现相关。思路方面看一下（学习分享——基于深度学习的NILM负荷分解（三）深度学习处理，基础思路）实验环境：pycharm，python 3.6+，keras库，numpy库，matplotlib库以及UKData。定义全局参数首先引用所有需要

我来继续填坑了~~给大家两周时间自习深度学习（磨蹭了两周）不知道同学们的基础打得如何了哈我分两篇写网络训练的相关，本文介绍整个思路流程，下一篇提供实操代码和相关注释讲解关注顺序建议：1，先仔细阅读本文思路分析，认真思考，并且根据学习的深度学习的相关知识，边跟我的思路走，边考虑一下，我这么做的目的，以及优缺点。是你自己的话，如何做，以及如何优化。2，下一篇给出代码，按功能模块，每一块叠加就是整个项目。不过我建议边思考，边自己去写一遍，弄懂每句代码的含义，才是你的。不然后面我提供改进思路，大家一起实

前一阵参加比赛，NILM就放了放，开始填坑、、、GOGOGO~数据准备根据上一篇中提到的，我这里使用的是UK-DALE没有下载的同学可以回到上一篇看一下（学习分享——基于深度学习的NILM负荷分解（一）对DL的看法&准备工作）这里我直接用已经转好格式的ukdale.h5读取数据还是用NILMTK如何配置nilmtk，可以参照我另一篇博文，里面写的比较详细（NILM（非侵入式电力负荷监测）学习笔记 —— 准备工作（一）配置环境NILMTK Toolkit）我们这次只需要用到其中读取da

好啦，我来填坑啦哈哈经过了几个月的对深度学习的学习、了解和实践，对于用深度学习来做NILM的经验也是积累了不少。在此，做以小结。在此，感谢~柳柳，小张，小田的鼓励和支持。话不多说，下面开始！~一，心里上的准备本文开始的一系列文字，是基于深度学习的方法，来做负荷有用功分解预测以及电器识别的。如果是要用传统的概率模型，可以参照我之前的几篇，传送门：https://blog.csdn.net/wwb1990/category_9655726.html说到深度学习，行业内俗称 “炼丹”，用什么炼

使用keras，TF2，UK数据集，不同的网络结构和算法。从实践中学习和迭代网络。用深度学习网络，来进行负荷分解，预测和电器的识别。日常工作有点忙，不过我争取每周完成两到三篇本周末开始写哈~~需要的同学们 可以关注哈，我建个QQ群1070535031先这样 本周开始更新这个...