47 lines
1.7 KiB
Markdown
47 lines
1.7 KiB
Markdown
# 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
|
||
>
|
||
>2.2. 如果有多类特征
|
||
>
|
||
|
||
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)
|
||
```
|
||
|
||
|