《表1 深度学习库对比:基于深度学习的超窄间隙焊接质量评估方法》
随着大数据时代的到来,深度学习在各个学科的应用都展现出巨大的优势[17-18]。目前常用的深度学习框架如表1所示。其中,Tensor Flow框架[19]是谷歌的开源编程框架,广泛应用于语音识别或图像识别等研究对象。Tensor Flow框架提供Tensor Board可视化工具,方便查看焊接质量评估模型及其它参数的变化;该框架由谷歌开发维护,可保障支持、开发的持续性,便于焊接质量评估的后续研究。Tensor Flow框架不仅支持深度学习,还支持强化学习和其他算法;Caffe仅限于搭建CNN网络,Tensor Flow框架下能够搭建多种不同类型的网络。因此,本文选用Tensor Flow框架作为超窄间隙焊接质量评估模型的框架。
图表编号 | XD00225257800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 张爱华、白忠领、马晶、牛万才、朱亮 |
绘制单位 | 兰州理工大学电气工程与信息工程学院、甘肃省工业过程先进控制重点实验室、兰州理工大学电气与控制工程国家级实验教学示范中心、兰州理工大学电气工程与信息工程学院、甘肃省工业过程先进控制重点实验室、兰州理工大学电气与控制工程国家级实验教学示范中心、兰州理工大学电气工程与信息工程学院、甘肃省工业过程先进控制重点实验室、兰州理工大学电气与控制工程国家级实验教学示范中心、兰州理工大学电气工程与信息工程学院、甘肃省工业过程先进控制重点实验室、兰州理工大学电气与控制工程国家级实验教学示范中心、兰州理工大学省部共建有色金属先 |
更多格式 | 高清、无水印(增值服务) |