# Deeplearning
## Quickly Start
1. 将项目文件夹编辑成**日期+项目名**
2. 编辑好label名称，label名称命名变成英文或者数字
>例如：”PDMS“， ”1“ 等, , 如果你的每一个类，下面又多个子特征则可以建立一个文件夹，在创建神经网络类的时候将**isDir**参数改成True即可.
>详细如下图：
>2.1. 如果只有一类特征
>![image.png](https://qq-pic.oss-cn-nanjing.aliyuncs.com/img/image.png)
>2.2. 如果有多类特征
>![image.png](https://qq-pic.oss-cn-nanjing.aliyuncs.com/img/image.png)

3. 将准备好的文件夹移动到**Static**文件夹中（没有就建立），如果没有 **Result** 建立一个**Result**文件夹用来存放结果

4. 读取数据：
```python
  # 以MaterialDiv为例
  projet_name = '20241009MaterialDiv'                                           
  label_names = ['Acrlic', 'Ecoflex', 'PDMS', 'PLA', 'Wood']
  # 使用库 divSet 划分训练集和数据集
  data = load_data(projet_name, label_names, isDir=False, fileClass='xlsx')
  X_train, X_test, y_train, y_test, encoder = divSet(
    data=data, labels=label_names, test_size= 0.3
  )
```
5. 创建神经网络类
```python
   model = Qmlp(
     X_train=X_train, X_test=X_test, y_train=y_train, y_test= y_test,
     hidden_layers = [128],
     dropout_rate=0
   )
```

6. 训练并获取数据
```python
  pca_2d, pca_3d = model.get_PCA()
  model.fit(300)
  cm = model.get_cm()
  epoch_data = model.get_epoch_data()
  save_to_xlsx(project_name=projet_name, file_name="pca_2d", data=pca_2d)
  save_to_xlsx(project_name=projet_name, file_name="pca_3d", data=pca_3d)
  save_to_xlsx(project_name=projet_name, file_name="cm", data=cm )
  save_to_xlsx(project_name=projet_name, file_name="acc_and_loss", data=epoch_data)
```