开源代码推荐 | 面向大模型时代用于生成工业时序数据的时序增强条件扩散模型

故障诊断方向而言，无论是信号处理、特征提取、故障分类还是寿命预测，所有的方法实现基本都依靠于Python代码，很多小白遇到的第一个拦路虎便是代码环境的配置。Pytorch是Python第三方库的一种，里面包含很多深度学习机器学习的函数，Pytorch本身有两个版本，一个是简便的CPU版本，一个是高速高效的GPU版本。另外代码编辑器可以直接用于编写、编辑和运行代码。它们提供了代码高亮、自动补全、代码调试、版本控制集成等功能，以提高开发效率和代码质量，也是故障诊断相关代码的必备工具之一。本期给大家带来Pytorch环境(Anaconda)安装教程，并附带代码编辑器配置过程。每一部分内容都附带推荐的视频教程以及教程链接，保证每一位故障诊断学习者都能搭建自己的代码平台。此外，后续文章还手把手带大家跑通第一个故障诊断案例，代码包含数据处理，1DCNN模型搭建，模型训练，以及模型评估等故障诊断完整过程，特别适合研一、研二小白入门。 本期涉及代码非常详细，所占篇幅也非常多，所以分三次呈现给大家，该文章是本期第1篇文章，主要介绍了Python环境以及各个软件环境安装。第2篇文章主要介绍西储大学数据集以及一些所需深度学习基础知识，文章后半部分讲解了本期代码的数据预处理以及数据切割等部分。第3篇文章主要构建1DCNN模型框架以及模型训练模型检测等内容。软件及环境链接：通过点击最左下角的阅读原文进行在线下载。目录1 引言2 安装Anaconda 2.1 Anaconda介绍 2.2 Anaconda安装3 配置Pytorch环境（CPU版） 3.1 Pytorch介绍 3.2 Pytorch配置教程（CPU版）4 配置Pytorch环境（GPU版） 4.1 两种Pytorch区别（看是否支持GPU） 4.2 CUDA安装 4.3 Pytorch配置教程（GPU版）5 配置代码编辑器 5.1 代码编辑器区别 5.2 VScode编辑器 5.3 Pycharm编辑器 5.4 JupyterNotebook编辑器注：以上为本篇内容，小编能力有限，如有不恰之处，请多多指正~6 故障诊断代码示例 （重中之重） 6.1 代码介绍 6.2 检验环境 6.3 故障诊断实战代码1 引言在学习故障诊断相关代码时，拥有一个强大且灵活的开发环境是至关重要的。Anaconda和Pytorch正是这样的工具，它们为我们提供了一个完整的生态系统，用于进行数据分析、模型训练和部署，是目前常用的工具软件资源。虽然网上Anaconda及Pytorch安装教程资源比较丰富，但对一些细节部分，比如在安装GPU版本的Pytorch时，是否需要安装CUDA、以及如何查看CUDA版本等问题上仍存在一些歧义。本文将用通俗易懂的语言及方法带大家了解这些概念，并选择自己最合适的方法。此外，本文提供了下载GPU版Pytorch的快捷方式，以及通俗易懂的视频教程链接，为读者朋友们在安装过程中尽可能带来更多的便利。本期第2篇、第3篇提供了故障诊断实例以及学习代码的必备基础知识，代码包含数据处理，1DCNN模型搭建，模型训练，以及模型评估等故障诊断完整过程，为读者朋友们提供了基本的代码框架。总的来说，本期文章旨在为初学者及入门小白提供一个全面的指南，第1篇科普一些基本概念的同时，提供详细操作过程，帮助大家安装和配置Anaconda环境，以及在该环境中配置Pytorch（包含CPU和GPU两种版本）。此外，本期第2篇、第3篇还带大家学习一个完整故障诊断代码示例，深入学习故障诊断代码的各个框架，为接下来学习打下夯实的基础。无论您是在寻找一个全新的开发环境，还是希望优化现有的工作流程，本期文章都将为您提供必要的指导和资源。2 安装Anaconda2.1 Anaconda介绍Anaconda是一个流行的开源Python配置环境集 合，它包含了大量的科学计算、数据分析和机器学习库。它通过Conda包管理器简化了环境管理和依赖关系，使得安装、运行和更新软件包变得异常简单。Anaconda的另一个显著特点是它提供了一个集成的IDE（集成开发环境），即AnacondaNavigator，这使得项目管理和工具集成变得更加直观。总的来说，不同故障代码的所需环境有可能不同，而使用Anaconda可以直接管理项目环境，特别适用于小白新手用于搭建所需的不同环境。2.2 Anaconda安装教程2.2.1 下载1）官网下载网站：https://www.anaconda.com/download图1 Anaconda官网2) 文末获取点击文末阅读原文，您将获得Anaconda安装包、清华镜像源文件，代码编辑器等本期文章涉及的相关文件。2.2.2 安装1) 双击程序管理员运行 图2 Anaconda安装步骤12) 点击Next图3 Anaconda安装步骤23) 点击同意图4 Anaconda安装步骤34）选择合适存储位置图5 Anaconda安装步骤45）选择全部选项图6 Anaconda安装步骤56）点击Next图7 Anaconda安装步骤67）点击Next图8 Anaconda安装步骤78) 取消全部选项，点击Finish图9 Anaconda安装步骤82.2.3 配置环境1）设置里选择系统图10 配置步骤12）选择高级系统设置图11 配置步骤23) 环境变量图12 配置步骤34) 清除之前的环境路径分别连续单击两下 Path 第一步、第二步，看自己的环境变量路径中是否Pythonanaconda\Scriptanaconda\Library\bin 等关于 Python 和 anaconda 的路径，如果有的话直接删除。5) 新建路径在系统变量中点击Path，点击新建，然后点击浏览，找到之前Anaconda安装文件(D:\Software\Anaconda\Anaconda)中Scripts文件，生成一条环境变量。继续点击新建，浏览，找到之前Anaconda安装文件(D:\Software\Anaconda\Anaconda)中的bin文件生成一条环境变量。图13 配置步骤46) 完成配置，一步一步点击确定退出即可。7) 检验环境变量是否配置成功Win+R后输入cmd，管理员运行进入命令提示符,然后命令输入conda --version图14 配置步骤5如果输出conda 24.1.2之类的就说明环境变量设置成功了。3 配置Pytorch环境（CPU版）3.1 Pytorch介绍Pytorch是一个开源的机器学习库，由Facebook的AI研究团队开发。它以其动态计算图和易用性而闻名，特别适合于研究和快速原型开发，也是故障诊断代码常用的框架之一。Pytorch提供了两个版本：CPU版和GPU版。GPU版可以显著加速深度学习模型的训练和推理过程，但需要相应的硬件支持和CUDA环境。在安装GPU版的Pytorch时，网上对CUDA的安装众口不一，经过小编查询如果只用Pytorch框架，可以不安装CUDA，安装GPU版的Pytorch会自带cuda，如果使用tensorflow框架则需安装CUDA，具体讲解链接如下。https://docs.infini-ai.com/posts/where-is-cuda.htmlhttps://blog.csdn.net/m0_61141741/article/details/134710343本章节首先介绍CPU版Pytorch安装，CPU版安装具有操作简单，速度快的特点，适合所有电脑安装，特别是没有独显的电脑。3.2 Pytorch配置教程(CPU版）3.2.1 常见Anaconda相关指令#查看 python 环境conda env list#安装 python 环境conda create -n python311 python=3.11# 卸载 python 环境conda remove -n python311 --all#激活环境activate python311#安装第三方包pip install numpy#卸载第三方pip uninstall numpy# 列出当前环境下的所有库 conda list # 安装NumPy库，并指定版本1.21.5 pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装Pandas库，并指定版本1.2.4pip install Pandas==1.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple# 查看当前环境下某个库的版本（以numpy为例） pip show numpy # 退出虚拟环境 conda deactivate3.2.2 安装教程1) Win+R后输入cmd，管理员运行进入命令提示符。2) 创建名为“环境名”的虚拟环境，并指定Python的版本。 conda create -n python311 python=3.11图15 创建环境名3) 进入名为“环境名”的虚拟环境 conda activate python3114) 安装Python第三方库在安装第三方库时，清华镜像源在国内服务器上提供了高速稳定的服务，这样可以加快安装第三方库的速度，并且在访问时更加稳定可靠。对于我们批量安装第三方库，相当于开了一个加速器，所以第一步要按照下面教程配好镜像源，然后按教程批量安装即可。a.点击文末阅读原文获得所需文件b.配置文件首先打开打开 C:\用户\你的电脑管理员名称文件（是自己的 用户名称 文件夹，不是公共，也不是Default），然后在此文件夹里面新建一个文件夹名称为 pip，把下载好的 pip.ini 文件 放进 pip 文件夹中即可，如下图所示。图16 配置Pip步骤1图17 配置Pip步骤2图18 配置Pip步骤3这样就配置好了清华镜像源,以后 pip命令下载第三方库的时候，就不需要每次都手动 添加镜像源命令了。5）批量安装把Pip.txt文件下载到自己电脑上，比如现在的文件位于D:\Software\ Anaconda目录下面。首先，Win+R后输入cmd，管理员运行进入命令提示符，输入activate DL激活Anaconda管理的Python环境，然后输入：d:定位到D盘，接着输入：cd Software\Anaconda定位到Pip.txt文件下。图19 批量安装步骤1最后，输入安装命令，进行批量安装。pip install -r Pip.txt图20 批量安装步骤26) 安装其他库上述文件覆盖了绝大多数库，如果需要安装其他库，则直接管理员运行命令提示符，然后激活环境，输入相应指令即可完成安装需要的库。此时，CPU版本的环境已经搭建完毕，可以运行相关代码开始故障诊断学习之旅。4 配置Pytorch环境（GPU版） 4.1 两种Pytorch区别（看是否支持GPU） Pytorch提供了两个版本：CPU版和GPU版。GPU版可以显著加速深度学习模型的训练和推理过程，但需要相应的硬件支持和CUDA环境。对计算机而言，中央处理器CPU是主板上的芯片，图形处理器GPU是显卡 上的芯片。每台计算机必有主板，但少数计算机可能没有显卡。目前显卡有三家厂商：Intel、Nvidia、AMD。深度学习所需要的显卡是Nvidia， 没有此显卡的同学无法进行GPU加速。查看自己的计算机的显卡的方法是：任务管理器——性能——左侧栏划到最下面。图21 查看显卡如图所示，CPU下方是Nvidia，由此支持GPU版本的Pytorch。 4.2 CUDA安装NVIDIA 显卡中的运算平台是CUDA，即使计算机有NVIDIA显卡，但显卡中也不一定含有CUDA，没有的话就要下载CUDA。而Pytorch 的下载组件里也会包含一个内置的cuda，所以如果仅使用Pytorch，也可以不下载CUDA。对于CUDA查看指令，网上也众口不一，通过查询资料，小编找到相对可信的代码查看指令，首先输入Win+R后输入cmd，进入命令提示符，输入nvcc -V查看安装版本。如果显示“nvcc -V不是内部或外部命令”，则说明需要安装CUDA。接着输入nvidia-smi查看支持的CUDA版本。图22 查看CUDA版本4.2.1 CUDA下载1）官网下载CUDA的下载链接：https://developer.nvidia.com/cuda-toolkit-archive图23 CUDA下载网站2) 文末获取4.2.2 CUDA安装1）下载好之后，点击exe文件，选择临时的解压文件夹。图24 CUDA安装步骤12）解压好后，进入如下图安装界面，同意并继续。图25 CUDA安装步骤23）点击“自定义”图26 CUDA安装步骤34）仅仅选择CUDA选项，并取消CUDA中关于VS的选项。图27 CUDA安装步骤45）完成后，按照默认的C盘路径进行安装。图28 CUDA安装步骤56）安装结束图29 CUDA安装步骤67) 输入nvcc -V查看安装版本图30 CUDA安装步骤74.3 Pytorch配置教程（GPU版）4.3.1 创建虚拟环境1) Win+R后输入cmd，管理员运行进入命令提示符。2) 创建名为“环境名”的虚拟环境，并指定Python的版本。 conda create -n 环境名 python=3.11图31 创建环境3) 进入名为“环境名”的虚拟环境 conda activate DL311 4) 安装Pytorch库进Pytorch官网：PyTorch,根据自己电脑情况选择合适的Pytorch安装包。图32 获取安装命令 复 制下方代码,并在DL311环境下运行。pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 5）安装其他库时，可以安装CPU方法直接安装。5 配置代码编辑器5.1 代码编辑器代码编辑器是用于编写、编辑和运行代码的工具。它们通常提供了代码高亮、自动补全、代码调试、版本控制集成等功能，以提高开发效率和代码质量。1) Jupyter Notebook用途：主要用于数据分析、科学计算和机器学习领域，支持交互式编程，可以方便地展示代码、计算结果、可视化图表和文档。特点：支持多种编程语言（主要是Python），允许将代码、输出结果和解释性文本整合在一个文档中，便于分享。2) Visual Studio Code (VSCode)用途：是一个轻量级但功能强大的源代码编辑器，支持多种编程语言，包括Python、JavaScript、C++等。特点：提供了丰富的插件生态系统，可以扩展其功能。它支持代码调试、版本控制集成（如Git）、代码高亮和自动补全等。3) PyCharm用途：是一个专为Python开发的集成开发环境（IDE），提供了许多针对Python开发的特性。特点：提供了代码分析、智能代码补全、项目结构导航、版本控制集成等功能。PyCharm有两个版本：免费的Community Edition和付费的Professional Edition，后者提供了更多高级功能，如Web开发和数据库支持。5.1.1 编辑器区别交互性：Jupyter Notebook以其交互性著称，适合于快速迭代和数据探索。VSCode和PyCharm则更侧重于完整的开发周期，包括代码编写、调试和版本控制。语言支持：Jupyter Notebook主要支持Python，而VSCode和PyCharm支持多种编程语言。集成度：PyCharm作为一个IDE，提供了更完整的集成开发环境，包括项目管理、调试和测试工具。VSCode虽然是一个编辑器，但通过插件也可以实现类似的功能。用户界面：Jupyter Notebook的界面更倾向于文档和笔记本风格，而VSCode和PyCharm则提供了更传统的代码编辑器界面。性能：对于大型项目，VSCode和PyCharm可能在性能上更优，因为它们对大型文件和复杂项目结构有更好的优化。社区和插件：VSCode拥有一个非常活跃的社区和大量的插件，这使得它在功能上非常灵活和强大。5.2 VScode编辑器安装1）官网下载安装包（文末也提供安装包）Visual Studio Code - Code Editing. Redefined2）双击安装图33 VScode安装步骤13) 选择安装地址图34 VScode安装步骤24）选择附加任务图35 VScode安装步骤35）安装汉化插件图36 安装汉化插件6）安装Jupyter插件图37 安装Jupyter插件7）安装Python插件图38 安装Python插件5.3 Pycharm编辑器5.3.1 Pycharm安装Pycharm安装教程，往期已发布。具体如下链接，本期在这里只讲如何加入我们所创的Python环境。初学者必看 | Python及PyCharm安装教程1) 打开Pycharm，点击文件，选择设置。 图39 Pycharm添加环境步骤12）点击项目：Pycharm代码，选择Python解释器。点击齿轮，选择添加。图40 Pycharm添加环境步骤23）点击conda环境，选择现有环境，添加所需环境。图41 Pycharm添加环境步骤34) 安装完成图42 配置完成5.4 JupyterNotebook编辑器Anaconda附带了数据分析常用的Jupyter Notebook，之前被称为 IPython notebook，是一个交互式笔记本。Jupyter Notebook 的本质是一个 Web应用程序，可以将代码、图像和文档全部组合到一个web文档中，便于创建和共享程序文档，支持实时代码，数学方程，可视化和markdown，在数据清理和转换，数据分析，统计建模，机器学习等方面应用广泛。具体使用过程，之前的文章有教学，这里不再赘述，小编推荐使用前两个编码器，而且二选一即可，如果对JupyterNotebook感兴趣，可以点击下方链接。基于Anaconda的Python及jupyter notebook编辑器的安装教程注：由于文章篇幅有限，代码部分见下一期内容，大家先根据步骤安装相应软件，下期内容首先带大家用代码检验自己环境Pytorch是否支持GPU加速,然后用安装的环境分别跑一个入门代码，学习故障诊断及深度学习基础知识，最后比较一下速度。注：上述相关安装可参考以下视频链接 【Python深度学习：安装Anaconda、Pytorch（GPU版）库与PyCharm】https://www.bilibili.com/video/BV1cD4y1H7Tk?vd_source=cae3d8d89802cd2ce396a8215379c3ca 编辑：赵栓栓校核：李正平、陈凯歌、曹希铭、赵学功、白亮、王金、陈莹洁、陈宇航、任超、海洋、Tina该文资料搜集自网络，仅用作学术分享，不做商业用途，若侵权，后台联系小编进行删除点击左下角阅读原文，即可在线阅读论文。 来源：故障诊断与python学习