轻量级网络EfficientNetB0，利用迁移学习中的微调技术进行小样本轴承故障诊断（Python代码，带有数据集，训练集集的每类只需10个样本）
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