-----
-----
-
-------
---
主要是先进行分析,然后--读取数据后 构造卷积网络模型
得到最后的结果
import torch
import numpy as np
import torch.nn as nn
import scipy.io as sio
from torch.utils.data import Dataset, DataLoader
from sklearn.preprocessing import maxabs_scale
class CWRU_DATA(Dataset):
def __init__(self, data_num=100, data_len=1024): # not overlapped
self.data, self.label = self.prepare_data(num=data_num, length=data_len) # (4, 100, 1024)
def __len__(self):
return len(self.label)
def data_preprocess(self, x):
x = x.astype(np.float32) # shape:

该博客介绍了针对CWRU数据集的卷积神经网络(CNN)结构改进,用于进行分类任务。首先进行了数据预处理,接着构建了两个不同的CNN模型:SimpleCNN和SimpleCNN1,它们包含卷积、批量归一化和激活函数等层。通过PyTorch训练模型,使用Adam优化器和交叉熵损失函数,并在训练过程中更新网络权重,以提高分类性能。
订阅专栏 解锁全文
3万+

被折叠的 条评论
为什么被折叠?



