磁铁是一个大规模的数据集,旨在使研究人员利用机器学习来模拟磁芯损耗,以加速电力电子的设计过程。
mag-net的Python项目详细描述
MagNet是一个大规模的数据集,旨在帮助研究人员利用机器学习来模拟磁芯损耗,从而加速电力电子的设计过程。该数据集包含了大量实际测量到的不同波形、不同性质的磁性元件的大量电压、电流数据。研究人员可以将这些数据作为一对激励和响应来建立动态磁模型,或者计算铁心损耗来推导静态模型。在
安装
经过训练的模型是通过mag-net
PyPI包提供的。在
pip install mag-net
如何使用
使用经过训练的模型
mag-net
包有PyTorch预训练的模型,可以加载和使用。在
如果您想自己训练模型,并且希望模型没有预先训练的权重,可以设置pretrained=False
。在
我们将很快出版更多经过训练的模型。请期待!在
使用数据集
mag-net
包通过提供PyTorch数据集本机支持PyTorch。可以通过以下方式获取数据集:
importmagnetdataset=magnet.PyTorchDataset(download_path="data/",download=True)
使用download=True
,如果数据在本地尚不存在,将自动下载。在
我们还通过提供一个tf.data
样式的数据集,本机地支持^{str1}$TensorFlow。可以通过以下方式获取数据集:
importmagnetdataset=magnet.TensorFlowDataset(download_path="data/",download=True)
使用download=True
,如果数据在本地尚不存在,将自动下载。在
对于其他用例,必须手动下载数据集。以下代码将数据集下载到data/
目录。在
importmagnetmagnet.download_dataset(download_path="data/")
如何引证
如果你用的是磁铁,请用下面的BibTeX项目来引证我们。在
@INPROCEEDINGS{MagNet,
author={H. {Li} and S. {Lee} and M. {Luo} and C. {Sullivan} and Y. {Chen} and M. {Chen}},
booktitle={2020 Twenty-first IEEE Workshop on Control and Modeling for Power Electronics (COMPEL)},
title={MagNet: A Machine Learning Framework for Magnetic Core Loss Modeling},
year={2020}
}
赞助商
这项工作是由ARPA-E差异项目赞助的。在
- 项目
标签: