1. 训练集数量（正常类别：10个，内圈故障：10个，外圈故障：10个，滚动体故障：10个）

测试集数量（正常类别：90个，内圈故障：90个，外圈故障：90个，滚动体故障：90个）

模型：EfficientNetB0（利用imagenet训练好的参数，冻结高层，只将分类器的参数利用训练集微调，利用整个模型对测试集识别）

2.代码文件夹解释： 

第一级目录（采用的是CWRU数据集，CWRU有4种负载数据集）：

3. 0HP、1HP、2HP与3HP文件夹内容类似，这里以  0HP文件夹为例，可以看到0HP文件夹里有：

Inner文件夹里装的是内圈故障的.mat保存的数据

Normal文件夹里装的是正常的.mat保存的数据

Outer文件夹里装的是外圈故障的.mat保存的数据

Roller文件夹里装的是滚动体故障的.mat保存的数据

creat_picture.py文件是数据处理文件，将四种类别的一维数据变成二维图像，生成图像样本和标签，最终，每个类别下有100个图片。对应标签被保存在label.npy。

运行creat_picture.py后， 0HPimages文件夹装的生成图片

 

4.结果(运行EfficientNetB0_0HP.py进行诊断)

0HP数据集结果：

 

 

1HP数据集

2HP数据集：

 3HP数据集：

https://mbd.pub/o/bread/ZJiWlZpp​​​​​​​