訓練ansys數據的案例
零點(Zero-Shot)文本分類的實踐---Flair訓練數據
例如，從數據集中隨機抽取了18個含有“rock bolts"的段落，如果用標簽"rock bolt"來匹配，那么會取得很好的結果。
不過，對于這個句子"An empirical method for design of grouted bolts in rock tunnels based on the Geological Strength Index (GSI)[基于地質強度指數(GSI)的巖石隧道灌漿錨桿設計的經驗方法]", 如果我們設定兩個標簽"underground"和"slope", 結果發現這兩個模型都不能給出結果，這是由于模型不能識別出"tunnel"究竟是指地下還是邊坡。這也充分說明了預訓練模型的局限性。因此我們需要解決這個問題。
3 Flair訓練
我們可以在現有模型的基礎上用自己的數據進行訓練。不過在這個筆記中，我們試驗了另一種方法，使用flair 0.8.0.post1(Mar 9, 2021) 來訓練這個標簽。為了避免沖突，Flair安裝在虛擬環境flair下。在Flair默認的TARSClassifier訓練器中，同樣不能識別出含有"tunnel"的這個句子究竟說的是地上(slope)還是地下(underground)。于是使用了如下四個訓練句子作為訓練數據，其中前兩個描述的是地下開挖，后兩個描述的是邊坡：
(1) This can be of use in determining design aspects such as the installation time of tunnel support elements and instrumentation. [這可以用于確定設計方面，如隧道支撐部件和儀器的安裝時間。]
展開 Bert模型微調---產生自己的訓練數據模型
4 結束語
這個筆記使用一個小樣本數據集微調出新的訓練模型，并檢驗了新的模型是否可用。結果顯示目前使用的微調過程在本機上可以使用。以后我們將逐漸訓練出自己的GeotechSet模型。
GeotechSet數據集在GPT2上的訓練過程
目前GeotechSet的數據量是180M左右, 顯然加載這個數據集機器是承受不了的，因此需要把大數據集分割成小數據集。事實上，小數據集的一個潛在好處是內容相對集中，這樣產生的結果離散性不會太大。一個數據集只包含一個相對集中的主題。例如"離散斷裂網絡"數據集盡量不包括"錨桿支護"方面的內容。在本次試驗中，為了保守起見，非常小心地選擇了一個大約450k的數據集，這個數據集主要是關于巖橋(rock bridge)方面的內容。
(3) 參數設置
訓練過程有許多參數需要設置，其中一個參數是per_device_train_batch_size，它或許影響著GPU的使用量，許多人建議這個值取得越小越好，因此干脆取了最小值1; 另一個參數是dataloader_num_workers，在初始運行時發現默認的設置值為6，有些人建議這個值取得小一些比較好，因此設置為2；最重要的一個參數是block_size，我覺得這個參數的設置影響最大，默認值為512，運行時總是出現超出內存的錯誤，在其它條件不變的情況下取其一半，設置為256就可以運行下去了。
3 訓練過程
在多次調試，綜合考慮各種因素后開始進行訓練，花了大約10多分鐘就完成了訓練過程。這么短的訓練過程誘使我要加大輸入數據和使用GPT2-large模型，但目前還沒有這么做，以后逐步加大輸入數據，測試其承載的極限值。產生的訓練模型保存在預先設置的目錄下，如下圖所示。
沒有去仔細研究這些文件的內容，直接進入測試階段，檢查訓練出來的模型是否能夠正常工作。
4 測試模型
由于訓練過程沒有出現錯誤，因此理論上可以使用我們自己的模型了：
tokenizer = GPT2Tokenizer.from_pretrained('.
展開 Moldflow MPA 訓練用數據文檔
Moldflow MPA 訓練用數據文檔
適合初級人員訓練用。
mpa_case_trainning.part01.rar
mpa_case_trainning.part02.rar
mpa_case_trainning.part03.rar
mpa_case_trainning.part04.rar
mpa_case_trainning.part05.rar
mpa_case_trainning.part06.rar
mpa_case_trainning.part07.rar
mpa_case_trainning.part08.rar
mpa_case_trainning.part09.rar
mpa_case_trainning.part10.rar
mpa_case_trainning.part11.rar
mpa_case_trainning.part12.rar
展開 
yolov7-pytorch可用于訓練自己的數據集
全部 代碼 ,預訓練模型 獲取方式：
關注微信公眾號 datayx 然后回復 v7 即可獲取。
訓練步驟
a、訓練VOC07+12數據集
數據集的準備
本文使用VOC格式進行訓練，訓練前需要下載好VOC07+12的數據集，解壓后放在根目錄
數據集的處理
修改voc_annotation.py里面的annotation_mode=2，運行voc_annotation.py生成根目錄下的2007_train.txt和2007_val.txt。
開始網絡訓練
train.py的默認參數用于訓練VOC數據集，直接運行train.py即可開始訓練。
訓練結果預測
訓練結果預測需要用到兩個文件，分別是yolo.py和predict.py。我們首先需要去yolo.py里面修改model_path以及classes_path，這兩個參數必須要修改。
model_path指向訓練好的權值文件，在logs文件夾里。
classes_path指向檢測類別所對應的txt。
完成修改后就可以運行predict.py進行檢測了。運行后輸入圖片路徑即可檢測。
b、訓練自己的數據集
數據集的準備
本文使用VOC格式進行訓練，訓練前需要自己制作好數據集，
訓練前將標簽文件放在VOCdevkit文件夾下的VOC2007文件夾下的Annotation中。
訓練前將圖片文件放在VOCdevkit文件夾下的VOC2007文件夾下的JPEGImages中。
數據集的處理
在完成數據集的擺放之后，我們需要利用voc_annotation.py獲得訓練用的2007_train.txt和2007_val.txt。
修改voc_annotation.py里面的參數。
展開 直播預告 | 基于VTD的Lidar訓練數據集構建方案分享
精彩直播預告
人工智能的快速發展帶動基于深度學習的自動駕駛技術有了長足的進步，無論是基于傳統深度學習的自動駕駛技術還是基于端到端的自動駕駛技術，高質量的數據獲取永遠是關鍵。但是數據獲取通常面臨著著成本高，多場景難以覆蓋，數據標注困難等一系列難題，導致數據獲取效率低，數據質量不高。
海克斯康工業軟件旗下的自動駕駛場景仿真軟件VTD，對常用傳感器如：激光雷達、相機、毫米波雷達等有真實的物理建模，可以獲取高質量的傳感器數據，同時在仿真軟件中可以直接獲取場景中物體的真值，省去數據標注的問題。VTD可以提供自動駕駛數據集所需的全部數據，通過腳本完成數據格式和數據形式的整理后，可以獲得對標真實數據的自動駕駛數據集。
本期海克斯康直播講堂請到了自動駕駛仿真專家葉立斌老師為我們帶來基于VTD的Lidar數據集構建方案，從激光雷達物理建模到數據集獲取方案，為我們帶來高質量數據獲取的最新方法，敬請關注！
8月29日 14:00
▲ 掃碼參與報名
立即預定
直播內容聚焦
?? VTD中激光雷達物理建模簡介
?? VTD中數據集獲取方案介紹
?? VTD中獲取數據在開源3D檢測算法驗證
葉立斌
海克斯康自動駕駛仿真軟件專家
負責VTD基礎功能測試和VTD中各類復雜傳感器的拓展開發以實現VTD在自動駕駛不同階段的測試和應用。深度了解仿真軟件在自動駕駛測試開發中的應用，針對客戶不同需求，提供定制化的解決方案，切實解決客戶問題。
展開 成功案例丨開發時間從1小時縮短到3分鐘：如何利用歷史數據訓練AI模型，預測設計性能？
</p><p><br></p><p><br></p><p><strong>Altair解決方案</strong></p><p>Hero 選擇了Altair<sup>?</sup> PhysicsAI?，這是一項強大的幾何深度學習技術，能夠利用歷史數據訓練AI模型，并在傳統FEA方法所需時間的一小部分內生成物理預測結果。PhysicsAI的工作流程已無縫集成到仿真與設計平臺 Altair<sup>?</sup> HyperWorks<sup>?</sup>中，這使得Hero的所有用戶，無論技能水平如何，都能輕松將這一解決方案融入現有流程。</p><p><br></p><p>為了充分利用PhysicsAI，Hero首先將現有數據分為訓練集和測試集：訓練集用于基于歷史仿真數據訓練機器學習模型，測試集則用于評估和量化AI模型的預測準確性。由于Hero的產品線涵蓋多種車型（如運動型摩托車、探險摩托車、通勤摩托車和巡航車等），團隊使用了多樣化的把手數據集，以確保AI模型能夠生成準確的結果。</p><p><br></p><p>數據分割和模型訓練是AI驅動工程流程中的關鍵步驟。Hero采用了典型的80/20數據分割方式，即80%的數據用于模型訓練，20%的數據用于預測評估。項目團隊從24個數據集中選擇了30種把手變體進行訓練。訓練完成后，他們使用剩余的6個把手數據集對AI模型進行了測試，并通過將傳統FEA結果與AI生成的預測結果進行對比來評估準確性。對比顯示，兩者的偏差僅為3%，這證明了PhysicsAI能夠在極短時間內提供與傳統FEA相媲美的精確預測。
展開 『分享』Ansys 基礎實例訓練
提供給大家一些Ansys分析的例子,希望為大家的學習有所提高
清華大學的ansys資料_基礎篇
清華大學的ansys資料_步驟基礎篇.rar
5724-ANSYS1.rar
5726-ANSYS2.rar
5729-ANSYS3.rar
5730-ANSYS4.rar
5732-ANSYS5.rar
5733-ANSYS6.rar
5734-ANSYS7.rar
ANSYS與ANSYS Workbench數據共享與聯合仿真教程
ANSYS自從12.0版本推出圖形化操作界面的ANSYS Workbench后，之后許多ANSYS學習者，可能就是直接學習ANSYS Workbench，畢竟簡單易學，容易上手，但是這在無形當中也為初學者埋下了隱患，因為我們學習ANSYS等有限元軟件，最重要的是掌握有限元基本理論以及力學理論，這樣才能更好的去建立更加真實可靠的數值模型，合理準確地評估仿真結果，而Workbench的使用和操作，幾乎沒有涉及到有限元基本理論，比如說單元的選擇，這些全被封裝，用戶無需去設置，導致很多Workbench用戶，一直不能獨立地去完全項目，只能去模仿案例，這也是學習Workbench時要注意的事情！
所以對于新手入門ANSYS時，個人還是建議先學點有限元基礎理論知識，先學習ANSYS APDL，掌握一定基礎后，在學習ANSYS Workbench，這樣學習效果更好，更有深度。而且，如果一味地去學習workbench，你會發現所有的操作你都不明白為什么要這樣做，你會遇到越來越多的瓶頸，最終會導致你放棄學習，這也是為什么不推薦直接入門Workbench的原因之一。
那么，言歸正傳，對于我們現在部分用戶，不僅會使用APDL和GUI操作，更是會使用ANSYS Workbench，我們怎樣將兩者結合起來，發揮APDL的底層操作以及Workbench的便捷操作優勢，使得效率最大化呢?下面，我帶大家一起看看，如何操作，完成ANSYS與ANSYS Workbench數據共享與聯合仿真。
1.ANSYS與ANSYS Workbench數據共享與聯合仿真
有限元模型共享：如何將Workbench建立的有限元模型，導入到ANSYS中進行底層操作？底層操作后，又如何導出到Workbench進行計算或者結果后處理？
展開 ANSYS Granta MDS用于仿真的材料數據 附Ansys GRANTA MDS瀏覽版下載
Granta MDS模塊僅適用于Ansys 2019 R2及其后續軟件版本
從Ansys Mechanical中可輕松訪問用于仿真的材料數據，即GrantaMDS模塊，覆蓋廣泛的材料類型。新數據集來自行業標準的材料數據庫，能提供結構分析所需的材料屬性數據。
該材料數據由Ansys Granta數據產品團隊的材料專家整理并維護。GrantaDesign最初為劍橋大學的一個分支機構，是領先的材料信息和相關軟件技術供應商。Ansys于2019年達成對其收購的最終協議，現已成為Ansys的一部分，Granta用于仿真的材料數據管理模塊（Granta Materials Data for Simulation）擁有可靠的數據來源，包括Granta非常全面的Material Universe數據庫以及來自JAHM軟件公司的JAHM仿真數據集，并持續更新擴展數據覆蓋范圍。
主要特征：
? 覆蓋極其廣泛的材料類型，如金屬，塑料，陶瓷，流體，半導體，
PCB層壓板，磁性材料，木材，復合材料，玻璃和泡沫
? 高度集成：無需離開Ansys Mechanical或Ansys Electronics
Desktop界面，即可查找所需材料數據并立即使用
? 超過700個詳細的數據手冊表，介紹了物理，電氣和磁性屬性
以支持Ansys仿真過程
?針對所有材料包含以下室溫材料屬性：
- 線性、各向同性彈性（楊氏模量與泊松比）
- 故障（拉伸屈服強度和拉伸最終強度）
- 熱機械（熱膨脹系數）
- 熱（熱導率和比熱容）
- 電氣（電阻率）
? 多種材料包括溫度變化屬性
? 多種金屬材料還具有雙線性和多線性硬化數據
Granta MDS用于仿真的材料數據集中的每個數據表都代表一種通用材料類型，而不是某個材料生產商的特定產品。
展開 ansys導入節點坐標數據 附80多種ANSYS常用材料的參數文件下載
有時候，再用ansys做一些復雜的模型分析時候（如：桁架，拱形架，繩網等），因為其模型數量很多，模型空間位置相對復雜，采用apdl語言實現可能比較繁瑣或者會遇到調試方面的不便。所以，我們可以用數據處理功能更為強大的matlab或者c++進行編程，將節點坐標直接導入到ansys中進行分析。
matlab可用如下格式導出節點坐標：
接下來，采用apdl語言定義存放數據的數組：（如下圖）注意：（3F5.2要和matlab的fprintf中%5.2f對應）
將存放數組的.txt文件與坐標.txt放在工作目錄下：
在菜單中選擇file——read to file——選擇“wang.txt”，程序自動搜索到存放在nn.txt的坐標數據。
接下來，我們就可以在數組文件中看到導入的數據了：
下載地址：80多種ANSYS常用材料的參數文件
展開 
經典ANSYS數據讀寫
經典ANSYS數據讀寫
1.GUI操作步驟
第一步：創建宏
*CREATE,data_read
第二步：定義數組參數，用戶首先要確定數組的類型和大小（P31）
*DIM,data_file,ARRAY,3,3,1, , ,
第三步：讀取數組參數：
*VREAD,data_file,'userarrayparameters','txt',' ',IJK,3,3,1, ,
(3f2.0)
第四步：列表出當前的參數和縮略語（P90）
*status,data_file
2.整體命令流
!數據的讀取
*CREATE,data_read!創建數據讀取宏
*DIM,data_file,ARRAY,3,3,1, , ,
*VREAD,data_file,'userarrayparameters','txt',' ',IJK,3,3,1, ,
(3f2.0)
*END
*use,data_read!運行數據讀取宏
*status,data_file
!數據的寫入
*CREATE,data_write!創建數據寫入宏
*cfopen,data_file_write,txt
!*DIM,data_file_write,ARRAY,3,3,1, , ,
*vwrite, data_file (1,1), data_file (1,2), data_file (1,3)
(3f6.0)
*cfclos
*END
*use,data_write!運行數據寫入宏
注意：
1.*VWRITE命令不能在ansys命令窗口中直接輸入，可以將命令寫在宏文件中。
展開 ansys經典界面與workbench之間相互數據轉換的幾種方法
我們在實際處理工程問題或工作中會需要在ansys經典界面和workbench之間進行切換，這樣就經常會需要在兩者之間進行數據的傳遞和轉換，這里整理了幾種常見的數據傳遞情況。
第一種情況：將workbench的計算文件導入到經典界面后進一步處理
方法一：
要將要將Ansys Workbench的結果文件保存成Ansys Classic經典模式可以讀取的文件，可在求解模塊中Environment>Write input file，將文件保存為Ansys APDL命令流格式（.dat格式）
啟動Ansys Mechanical APDL經典模式，單擊菜單File - Read Input from，選擇上步中保存的APDL命令流.dat 格式文件打開，即可將模型導入到Ansys經典模式中，如下圖所示。
方法二：
第一步：載入Mechanical APDL模塊
第二步：連線Setup到Analysis
第三步：Update一下workbench結果
第四步：Update一下APDL的Analysis
第五步：當所有列表項都是√時，就可以在經典界面打開模型和計算結果了。右鍵Analysis點擊Edit in Mechanical APDL，進入經典界面就可以了
第二種情況：經典界面導入到workbench進行處理
注意：
1、此方法
導入到workbench的只是模型和網格，材料以及約束加載情況，是沒有導入的
2、模型導入后，有時候會發生幾何模型合并，就是經典界面里的兩個共面的，就是挨著的體，會合并成一個體，有時需要在workbench里修改模型，比如做切割等。
展開 ANSYS Beam188提取彎矩為例介紹ANSYS定義單元表提取數據 (解決彎矩圖鋸齒狀） ￥20
在ANSYS中有些數據無法直接訪問，需要通過定義單元表完成單元的結果的訪問。下面就以Beam188單元提取彎矩為例介紹ANSYS定義單元表提取數據的詳細過程。
1. 首先需要知道在哪里定義單元表：Main Menu>General Postproc>Element Table>Define Table>add
2. 定義你想要的數據，這里以Beam188的彎矩為例
2.1 啟動ANSYS幫助菜單, 在索引框輸入Beam188然后搜索, 在單元輸出介紹找到彎矩的名稱（代號）。
2.2 回到ANSYS界面，比如要輸出Mz, 則需要在添加SMISC,3 和SMISC,16 ,如圖
3. 輸出數據：Main Menu>General Postproc>Element Table> List E T, 選擇前面定義的SMISC,3 和SMISC,16 輸出單元I和J節點的Mz數值，如圖
4. 顯示彎矩云圖：Main Menu>General Postproc>Plot Results>Contour Plot>Line Elem Res, 這里要注意要在LabI 選SMISC,3 LabJ 選SMSCI,16。
輸出彎矩到這就結束了，小編突然發現，輸出的彎矩值在每個單元的I和J處是一樣的（Beam188為2節點單元），彎矩圖也就成了鋸齒形，于是去問了度娘一波，各路盆友給出解決方法，然而并沒有起作用的，于是乎我又想起來了“幫助文檔大法”，于是認認真真將Beam188的幫助文檔閱讀了一遍，功夫不負有心人，最終。。。
展開 ANSYS模態分析結果中各項數據的物理意義 ￥100
<p>ANSYS模態分析結果中各項數據的物理意義</p><p>在對結構進行地震響應分析之前，通常先對結構進行模態分析以了解結構的動力特性（自振周期和振型）。</p><p>常用的模態分析方法：Block Lanczos法、PCG Lanczos法、縮減法和非對稱法。</p><p><strong>ANSYS模態分析的結果文件包含哪些信息呢？在此以下表為例進行說明。</strong></p><p><img src="https://img.jishulink.com/msimage/202402/4246ee8fae42785e42332fe4e91e3106.png"></p><p>1 MODE 模態階數</p><p>2 FREQUENCY 頻率（Hz）</p><p>3 PERIOD 周期（s）</p><p>4 PARTIC. FACTO 振型參與系數（每個質點質量與其在某階振型中相應坐標乘積之和與該階振型模態質量之比）</p><p>5 RATIO 比率（振型參與系數與一階振型參與系數之比）</p><p>6 EFFECTIVE MASS 振型等效質量（振型參與系數的平方與振型模態質量之比）</p><p>7 CUMULATIVE MASS FRACTION 累計質量分數/有效質量系數（為第一階到該階振型等效質量之和與總等效質量之比）</p><p>8 RATIO EFF. MASS TO TOTAL MASS 振型等效質量與總質量之比</p><p><br></p><p>此外，還有如下幾個相關概念：</p><p>1 振型參與質量（該階振型的模態質量與振型參與系數平方之積）</p><p>2 振型參與質量系數（所取振型參與質量之和與總質量之比）</p><p>3 模態質量/振型質量（第i階振型的廣義質量）</p><p>4 質量參與系數（該振型的基底剪力與總質量之比）</p>
展開 