Метод послойного суммирования: — — — TimeArchitect.ru

Метод послойного суммирования. Расчет осадки слоистых оснований выполняется методом послойного суммирования, в основу которого положена выше разобранная задача (основная задача)

Расчет осадки слоистых оснований выполняется методом послойного суммирования, в основу которого положена выше разобранная задача (основная задача). Сущность метода заключается в определении осадок элементарных слоев основания в пределах сжимаемой толщи от дополнительных вертикальных напряжений σ_ZP, возникающих от нагрузок, передаваемых сооружениям.

Так как в основу этого метода положена расчетная модель основания в виде линейно-деформируемой сплошной среды, то необходимо ограничить среднее давление на основание таким пределом, при котором области возникающих пластических деформаций лишь незначительно нарушают линейную деформируемость основания, т.е. требуется удовлетворить условие

(7.11)

Для определения глубины сжимаемой толщи Н_с вычисляют напряжения от собственного веса σ_Zqи дополнительные от внешней нагрузки σ_ZP.

(7.12)

т.е. дополнительные напряжения составляют 20% от собственного веса грунта.

При наличии нижеуказанной глубины грунтов с модулем деформации Е≤5 МПа должно соблюдаться условие

(7.13)

Для оснований гидротехнических сооружений по СНиП 2.02.02—85 «Основания гидротехнических сооружений» нижняя граница активной зоны находится из условия

(7.14)

Расчет осадкиудобно вести с использованием графических построений в следующей последовательности (рис. 7.11):

• строят геологический разрез строительной площадки на месте рассчитываемого фундамента;
• наносятся размеры фундамента;
• строятся эпюры напряжений от собственного веса грунта σ
  Zg и дополнительногоσ_ZP от внешней нагрузки;
• определяется сжимаемая толща Н_с;
• разбивается Н_с на слои толщиной h_i≤0,4b;
• определяется осадка элементарного слоя грунта по формуле

  (7.15)

Тогда полную осадку можно найти простым суммированием осадок всех элементарных слоев в пределах сжимаемой толщи из выражения

(7.16)

где β— безразмерный коэффициент, зависящий от коэффициента относительных поперечных деформаций, принимаемый равным 0,8; h_i— высота i-го слоя; E_i — модуль деформации i-го слоя грунта;

— среднее напряжение i-го элементарного слоя.

Метод послойного суммирования позволяет определять осадку не только ценфальной точки подошвы фундамента. С его помощью можно вычислить осадку любой точки в пределах или вне пределов фундамента. Для этого пользуются методом угловых точек и строится эпюра напряжений вертикальной, проходящей через точку, для которой требуется расчет осадки.

Рис. 7.11. Расчетная схема для определения осадки методом послойного суммирования: DL — отметка планировки; NL — отметка поверхности природного рельефа; FL — отметка подошвы фундамента; ВС — нижняя граница сжимаемой толщи; Нс — сжимаемая толща

Таким образом, метод послойного суммирования в основном используется при расчете небольших по размерам фундаментов зданий и сооружений и при отсутствии в основании пластов очень плотных малосжимаемых грунтов.

Расчет осадки фундамента методом послойного суммирования

На данный момент существует большое количество различных расчетов нагрузок на фундаменты, на основании которых затем подбирается тип строительных материалов, размеры подошвы основания и прочие данные.

Метод послойного суммирования используется в тех случаях, когда нужно рассчитать осадку отдельно стоячего фундамента с учетом влияния внешних факторов и дополнительных грунтовых влияний.

Применение метода

Методом послойного суммирования рекомендуется пользоваться, если нужно определить не только основные факторы осадок, но и вторичные или дополнительные, возникающие только в конкретных ситуациях.

Расчет позволяет:

1. Определить осадку отдельно стоячего фундамента или комплекта оснований, расположенных недалеко друг от друга или с ними состыкованных.
2. Используется при расчетах оснований, сделанных из неоднородных материалов. Такие параметры отображаются в изменениях модуля деформации с возрастанием глубины залегания.
3. Как правило, метод дает возможность рассчитать осадку сразу по нескольким вертикалям, причем тут можно опускать параметры угловых переменных, а использовать центральные или периферийные параметры. Но это возможно сделать только при условии, если фундамент имеет слои по всему своему периметру, их толщина и структура одинаковые.

Такие осадки часто возникают от соседних фундаментов, ведь с ростом нагрузки на площадку неизбежно возникают просадки почвы, особенно при использовании мощных тяжелых конструкций. Но тут часто проектировщики сталкиваются с проблемой именно создания этюдов осадок, ведь нужно четко определить по оси вертикали именно те силы, которые возникли от воздействия соседних оснований.

Порой сделать это очень сложно и приходится использовать эмпирические формулы. Тогда точки напряжения часто находят по методу угловых точек, и полученные результаты в некоторых случаях принимаются как оптимальные для данного слоистого фундамента.

Почему так важно рассчитывать осадку фундамента?

Некоторые фундаменты отличаются слабой прочностью на изгиб и деформацию за счет больших линейных размеров и небольшой продольной толщины. Как правило, метод послойного суммирования часто используют для расчетов ленточных фундаментов, ведь они не могут обеспечить максимально высокую нагрузку на единицу площади грунта, поэтому и осадка может возникать практически в любом месте вполне спонтанно.

Все расчеты, формулы и рекомендации подробно указаны в СНиП 2.02.01-83. Чтобы более подробно разобраться в методе, нужно попробовать рассчитать осадку ленточного фундамента на реальном примере.

Расчет осадки ленточного фундамента

Для примера можно взять ленточный фундамент, который имеет ширину 120 см (b ) и глубину залегания 180 см (d). Он устроен на трех слоях грунта. Общее давление под подошвой на почву составляет 285 кПа.

Каждый слой грунта имеет следующие показатели:

1. Маловлажный грунт средней плотности и пористости, основной компонент – мелкозернистый песок, пористость е₁
   = 0,65, плотность γ₁ = 18,7 кН/м³, степень деформации Е₁ = 14,4 МПа.
2. Второй слой более тонкий, состоит из крупнозернистого, насыщенного влагой песка. Его показатели, соответственно, составляют: е₂ = 0,60, γ₂ = 19,2 кН/м³ и Е₂ = 18,6 МПа.
3. Следующий слой – суглинок, параметры J_L = 0,18, γ3 = 18,5 кН/м³ и Е₃ = 15,3 МПа.

По данным геодезической службы и топографической разведки, грунтовые воды в расчетном регионе расположены на глубине 3,8 метра, поэтому их влияние на основание можно считать практически нулевым.

Итак, учитывая, что метод послойного суммирования – это создание нескольких графических этюдов вертикального напряжения в грунтах, тогда пора их создать для расчета допустимой нагрузки на почву.

На поверхности земли σ_zg = 0, а вот на глубине 1,8 метра (уровень подошвы), σ_{zg 0}

Теперь нужно рассчитать ординаты эпюры вертикального напряжения на стыках нескольких грунтовых слоев:

σ_{zg 1} = σ_{zg 0}+ (h₁-d) = 33,66 + (2,8 · 1,8)18,7 = 52,36 кПа и σ_{zg 2} = σ_{zg 1} + γ_sbh₂ = 52,36 + 10,38 • 4,2 = 95,94 кПа.

Также стоит учесть, что второй слой грунта насыщен водой, поэтому тут не обойтись без расчета допустимого давления столба воды:

Ysb2 = (Ys2-Yw)/(1 + e2) = (26.6 -10.0)/(+0.60 1) = 10, 38kPa

Теперь внимание. В примере четко указано, что третий слой грунта принимает на себя не только давление двух верхних слоев, но и столба воды, поэтому этими параметрами пренебрегать нельзя. Таким образом, напряжение по подошве фундамента будет рассчитано по формуле:

Дополнительное давление под подошвой:

Далее все параметры этюдов напряжения нужно выбирать с расчетных таблиц СНиПа. В итоге получается, что осадка S

Осадка более крупного песка:

Суглинка:

S3 = 0,8/ 15300(50 х 37,5+30 х 33,0) = 0,15 см

Полная осадка фундамента, посчитанная методом послойного суммирования, будет составлять:

S = S1 + S2 + S3 = 1,16 + 1,38 + 0,15 = 2,69 см

По параметрам, указанным в СНиП 2.02.01—83* для сооружений, возведенных на ленточных фундаментах с учетом указанных типов грунтов, параметр усадки соответствует норме.

Преимущества метода послойного суммирования

1. Благодаря методу, можно посчитать усадку практически любого типа основания, независимо от структуры и размеров.
2. Можно использовать параметры множества слоев грунта, а также учесть уровень расположения грунтовых вод.
3. Подходит для расчета линейных и монолитных оснований.
4. Также можно использовать несущие параметры напряжения скальных пород, на которых установлена подошва основания.
5. Можно использовать не только метод угловых точек. Расчет допустим при использовании любых вертикальных разрезов.

Среди недостатков стоит отметить сложность в расчетах, сделать их может только профессиональный строитель. Также этот метод сложен по времени, поэтому его используют при расчетах оснований для больших массивных зданий с глубоким залеганием подошвы. Для небольших частных домов метод не практикуется.

Расчет осадки фундамента методом послойного суммирования

Расчеты фундаментов методом послойного суммирования реализуются при вычислении осадки фундамента с ограниченной геометрией. Особенности метода: Если габариты основания объекта намного больше мощности грунта, сжимающегося под давлением фундамента, то сжатие грунта считается протекающим без боковых сил расширения на фундамент. Кроме послойного суммирования, осадка фундамента может рассчитываться несколькими способами, но, если необходимо сделать расчет осадки основания отдельно смонтированного и учесть воздействие влияние грунта и других внешних сил, то расчет осадки фундамента методом послойного суммирования представляется самым точным.

Правильное применение

Точность расчетов заключается в том, что определяются не только основополагающие параметры осадок грунта, но и вторичные факторы, могущие возникать в конкретных сооружениях согласно расчетному напряжению.

Точный расчет осадки фундамента проводится для того, чтобы:

1. Вычислить осадку отдельной основы или группы находящихся рядом фундаментов, а также присоединенных к ним оснований;
2. Произвести точные расчеты осадки фундамента, построенного их разнородных стройматериалов. Значения осадочных свойств и физических параметров фундамента изменяются с изменением модуля деформации по мере увеличения заглубления основания;
3. Методика расчета осадок фундаментов помогает точно вычислить осадочные параметры основания по группе вертикальных осей, при этом значения угловых переменных можно не учитывать, а пользоваться периферийными или центральными значениями. Но реализовать это условие возможно, если по периметру фундамента проходят равномерные и структурно одинаковые слои грунта.

Осадочные явления в фундаменте могут возникать от воздействия рядом стоящих оснований, так как при возрастании нагрузки на основу сооружения будет происходить просадка грунта, и, чем мощнее и тяжелее фундамент, тем сильнее будут осадочные явления. При проектировании и составлении схем расчетов основания фундамента создание этюдов осадок представляет определенные трудности, так как требуется точно рассчитать по вертикальной оси вертикали усилия, возникающие от прилагаемых усилий на грунт и на боковые стенки основания от рядом стоящих фундаментов.

Для таких сложных расчетов используются экспериментальные формулы, и точки напряжений в фундаменте зачастую вычисляют проведением расчетов угловых точек, а результаты вычислений иногда определяются как оптимально возможные для конкретного фундамента на слоистом грунте.

Важность расчетов

На практике случается так, что фундамент имеет низкую прочность на изгибание и может деформироваться из-за увеличенных линейных габаритов основы и недостаточной толщины фундамента. Основная область применения расчета осадки по методике послойного суммирования – расчет прочности фундамента ленточного типа, так как именно для таких оснований невозможно гарантировать максимальную предельную нагрузку на почву в расчете на квадратный метр площади, из-за чего осадочные явления могут проявлять себя хаотически, и в любых локальных участках основания.

Параметры расчета ленточного фундамента, необходимые выкладки и вспомогательные характеристики регламентированы СНиП 2.02.01-83, а практический пример расчета поможет детальнее разобраться в методике.

Принятые обозначения при расчетах осадки фундамента ленточного типа

1. S – значение осадки;
2. δ_zϐn – усредненное напряжение по вертикальной оси в n-м слое почвы;
3. h_n, E_n – толщина деформации и модуль деформации n-го слоя почвы;
4. γ_n – удельная масса почвы в n -ом слое;
5. h_n – толщина n-го слоя почвы;
6. ϐ = 0,8 –коэффициент для любых типов грунтов.

В качестве примера возьмем ленточную основу фундамента с шириной 1200 мм (b) и заложением на глубину 1800 мм (d).

В примере фундамент обустраивается на грунте, состоящем из 3-х разнородных слоев почвы. Суммарное давление на грунт под основанием ≈ 285000 кг•м⁻¹•с⁻². Для слоев определены следующие значения:

1. Первый слой – сухой грунт со средними значениями пористости и плотности, главная составляющая грунта –песок с мелкой зернистостью, пористостью ҽ₁ = 0,65; плотностью γ₁ = 18,70 кН/м³, уровнем деформации Е₁ = 14400000 кг•м⁻¹•с⁻²;
2. Второй слой – влажный песок крупных фракций с плотностью, пористостью и степенью деформацией: ҽ₂ = 0,60, γ₂ = 19,20 кН/м³; Е₂ = 18600000 кг•м⁻¹•с⁻²;
3. Третий слой грунта – суглинистая почва с показателями: ҽ₃ = 0,180; γ₃ = 18,50 кН/м³; Е₃ = 15300000 кг•м⁻¹•с⁻²;

В примере мы используем данные об исследованиях грунта от геодезической и геологической региональных служб, согласно которым грунтовые воды на участке застройки залегают на глубине 3800 мм. Такая глубина залегания некритична даже для глубокозаглубленных основ, и влияние грунтовых вод на прочность можно считать минимальным, а на практике – нулевым.

Так как стандартные расчеты послойного суммирования основан на том, что создаются несколько этюдов напряжений в почве по вертикальным осям, то для их создания и расчета предельных нагрузок на грунт будем использовать следующие факторы:

• Верхний уровень поверхности δ_zϐ ≈ 0, на уровне подошвы фундамента 1800 мм δ_zϐ0 = γ_1d = 18,7Κ • 1,8 = 33660 кг•м⁻¹•с⁻²;

Затем рассчитываются ординаты эпюр вертикальных напряжений на пересечениях слоев почвы:

• δ_zϐ1 = δ_{zϐ 0} + (h₁-d) = 33,66 + (2,8 • 1,8) • 18,7 = 52360000 кг•м⁻¹•с⁻²; и δ_zϐ2 = δ_zg1 + γ_sbh₂ = 52,36 + 10,38 • 4,2 = 95940000 кг•м⁻¹•с⁻².

Принимаем во внимание, что средний (второй) слой грунта – влагонасыщенный, поэтому необходимо рассчитать максимальное давление водяного столба:

• γ_sb1 = (γ_s2 – γ_w) / (1 + ҽ₂) = (26,6 – 10,0) / (1 + 0,60) = 10380000 кг•м⁻¹•с⁻²;
• γ_sb2 = (γ_s2 – Y_w) / (1 + ҽ₂) = (26,6 – 10,0) / (1 + 0,601) = 10,380000 кг•м⁻¹•с⁻².

Из расчетов и их описания понятно, что на третий грунтовый слой давят не только верхние слои почвы – на него давит и столб воды, поэтому методы расчета осадок эпюр напряжений по нижнему уровню основания должны учитывать следующие моменты:

• δ_zϐ3 = δ_zϐ1 + + γ3 • h4 = 95,94 + 18,5 • 6,0 = 251340000 кг•м⁻¹•с⁻².

А также давление под нижним уровнем фундамента:

• P₀ = P – δ_Zϐ0 = 285,0 – 33,66 = 251340000 кг•м⁻¹•с⁻².

Значения этюдов напряжений берутся из таблиц СНиП 2.02.01-83, и согласно подставленным значениям осадка первого слоя грунта S₁ будет равна:

• S₁ = 0,8 • 50 / 14400 • ((251,43 + 215,0) / 2 + (215,0 + 158,0) / 2)) = 11,6 мм.

Формула расчета для осадки второго слоя грунта с крупнозернистым песком:

• S₂ = 0,8 • 50 / 18600 • ((158,0 + 120,0) / 2) + (120,0 + 90,0) / 2 + (90,0 + 75,0) / 2 + (75,0 + 62,0) / 2 + (62,0 + 54,0) / 2 + (54,0 + 49,0) / 2 + (49,0 + 46,0) / 2) + (46,0 + 43,0) / 2 • (0,8 • 20 / 18600) = 1,34 + 0,04 = 138 мм.

Формула расчета для осадки третьего слоя грунта из суглинка:

• S₃ = 0,8 / 15300 • (50 • 37,5 + 30 • 33,0) = 1,5 мм.

Суммарная осадка основания объекта составляет:

• S = S₁ + S₂ + S₃ = 1,16 + 1,38 + 0,15 = 26,9 мм.

Если сравнить результаты с параметрами, регламентированными СНиП для объектов, стоящих на ленточном основании на указанных типах почвы, значение осадки расположено нормативных пределах.

Чем примечательна методика послойного суммирования осадок

1. Применяя метод послойного суммирования осадок грунта, легко просчитывается осадка любых типов фундаментов, невзирая на их геометрию, структуру и габариты;
2. Методика позволяет манипулировать множеством параметров грунтовых слоев с учетом уровня залегания грунтовых вод;
3. Этим способом можно точно рассчитывать монолитные и линейные фундаменты с использованием значений напряжений в скальных породах грунта под фундаментом;
4. Реализация этой методики позволяет пользоваться не только методом расчета угловых переменных, но и для расчета всевозможных разрезов по вертикали.

У этой методики существуют недостатки: Это довольно сложные ручные расчеты (если не пользоваться специальными онлайн или компьютерными программами), поэтому любителю оперирование формулами недоступно. Методика расчетов занимает много времени, поэтому чаще всего применяется для расчетов фундаментов крупных, тяжелых и массивных строительных объектов с основанием глубокого заложения. В индивидуальном строительстве метод непрактичен, поэтому не применяется.

6. Расчёт осадки основания методом послойного суммирования

6.1 Фундамент мелкого заложения под колонну

Осадку основания определяют методом послойного суммирования с использованием расчетной схемы в виде линейно деформируемого полупространства. Расчет осадки основания выполняем в третьем расчетном сечении (одиночный фундамент под колонну).

Грунтовое основание на глубину (3…5)b делят на элементарные слои толщиной

h_i = (0,2…0,4)b. На границах слоев вычисляют вертикальные нормальные напряжения, создаваемые собственным весом грунта и проектируемым фундаментом.

Напряжения от собственного веса грунта вычисляют по формуле

,

где σ_zg0 – напряжение на отметке подошвы фундамента FL.

При расчете напряжений, создаваемых фундаментом, исключают так называемое природное давление, существовавшее на отметке подошвы фундамента до начала строительства -σ_zg0. Считают, что сжатие грунта в основании происходит только от дополнительных напряжений:

,

α – коэффициент, учитывающий распределение напряжений по глубине, зависит от l/b и ξ=2z/b определяем по СНиП 2.02.01-83, прил. 2, табл. 1.

р₀ – дополнительное давление под подошвой фундамента.

Допустимая толщина слоя .

l/b=1,5/1,5=1.

Вычисления по определению собственного веса грунта и дополнительных напряжений сводим в таблицу.

Таблица 16.

Для вычисления осадки определяем положение нижней границы сжимаемой толщи. Указанная граница находится на глубине, где выполняется условие. Расстояние от подошвы фундамента до нижней границы называют мощностью сжимаемой толщи и

обозначают .

В пределах сжимаемой толщи для каждого элементарного слоя вычисляем средние значения дополнительных напряжений:

,

Осадку основания находят как сумму осадок элементарных слоев:

,

n- число слоев, на которое разбита сжимаемая толща.

Таблица 17.

Таким образом, осадка основания составляет см.

9. Расчет осадок фундаментов методом послойного суммирования

При расчете осадки фундамента методом послойного сумми­рования сначала находят дополнительное среднее давление р0, распределенное по подошве фундамента:

где рп — среднее давление по подошве фундамента от нагрузок, учитывае­мых при расчете по деформациям; ozg 0 — природное напряжение на уровне подошвы фундамента; Y — удельный вес грунта в пределах глубин заложе­ния фундамента от природного рельефа d.

Зная ро, по формуле (6.4) определяют напряжения агр на разных глубинах под центром площади загружсния н строят эпюру OZP (рис. 7.2, а). Величина 0гр с глубиной убывает, по­этому при расчете целесообразно ограничиваться толщей, ниже которой деформации грунтов пренебрежительно малы. Нормы рекомендуют для обычных грунтов принимать сжимаемую тол­щу Нс до глубины, на которой напряжение о’гр не превышает 20 % природного напряжения, т. е.

Найдя значения a2g в пределах сжимаемой толщи, последнюю разбивают на слои применительно к.напластованию грун­тов. При большой толщине отдельных пластов их делят на слои толщиной hi не более 0,46 (где b — ширина подошвы фунда­мента). Зная среднее давлениев каждом слое сжимаемой толщи, находят осадки фундаментаs в виде суммы осадок по­верхностей отдельных слоев

где _β коэффициент, зависящий от коэффициента бокового расширения грунта.

В основу метода послойного суммирования положены следующие допущения:

-грунт представляет собой сплошное, изотроп­ное, линейно-деформированное тело;

-осадка обусловлена действием только напряжения 0zp, остальные пять компонентов напряжений не учиты­ваются;

-боковое расширение грунта в основании невозможно;

-напряжениеопределяется под центром подошвы фундамента;

-при определении напряжения различием в сжимаемости грунтов отдельных слоев пренебрегают;

-фундаменты не обладают жесткостью;

-деформации рассматриваются только в пределах сжимаемой толщи мощностью.

10. Расчет осадок фундаментов методом линейно-деформируемого слоя конечной толщины

К. Е. Егоров решил задачу о деформации упругого слоя грунта, лежащего на несжимаемом основании, под действием всех местных нагрузок. При этом были приняты следующие допущения:

-грунт рассматриваемого слоя представляет собой линейно деформируемое тело;

-деформации в слое грунта развиваются под действием всех компонентов напряжений;

-осадка фундамента равна средней осадке поверхности слоя грунта, развивающейся под действием местной равномерно рас­пределенной нагрузки;

-фундамент не обладает жесткостью;

-распределение напряжений в слое грунта соответствует за­даче однородного полупространства, а жесткость подстилаю­щего слоя учитывается поправочным коэффициентом k_с.

С учетом допущений получена формула осадки фундамента

Где k— коэффициент, зависящий от формы подошвы фундамента и отно­шения толщины слоя однородного грунта Н к ширине подошвы b, опреде­ляемый по СНиП 2.02.01—83; v —коэффициент бокового расширения грунта: p — сроднее данлепне по подошве фундамента, принимаемое без вычета природного данлеипн на глубине его заложения; k_c—коэффициент, учиты­вающий концентрацию напряжений при наличии жесткого подстилающего слоя; E₀ — модуль деформации грунта.

Значение коэффициента k_cзависит от отношения (где H —мощность сжимаемой толщи):

Для слоистого залегания грунтов (рис. 7.2,6) в СНиП 2.02.01—83 формула (7.8) приведена к виду:

Где k_m—эмпирический коэффициент, принимаемый по СНиП 2.02.01—83, табл. 3, прилож. 2; k_i и k_i-1 — коэффициенты, принимаемые по СНиП 2.02.01—83, табл. 4, прилож. 2; E_0i—модуль деформации i-го слоя грунта.

Мощность сжимаемой толщи Н, в пределах которой следует учитывать деформации грунта основания, устанавливается по эмпирической формуле

Где b — ширина подошвы фундамента, м; k_p — коэффициент (принимается k_p=0.8 при среднем давлении под подошвой фундамента^{p=100 кПа} при р=500 кПа, при промежуточных значениях — по интерполяции).

Метод линейно деформируемого слоя для определения осад­ки обычно используется при ширине подошвы фундаментов бо­лее 10 м.

Метод — послойное суммирование — Большая Энциклопедия Нефти и Газа, статья, страница 1

Метод — послойное суммирование

Cтраница 1

Метод послойного суммирования позволяет определять осадку как отдельно стоящего фундамента, так и фундамента, на осадку которого влияют нагрузки, передаваемые соседними фундаментами, а также нагрузки на полы и прилегающие площади.  [1]

Метод послойного суммирования осадок позволяет учесть неоднородность основания, выражающуюся в изменении модуля деформации по глубине.  [2]

Метод послойного суммирования в обычной его интерпретации позволяет рассчитать осадку по одной или нескольким вертикалям. Средняя же осадка определяется средней величиной осадок для различных вертикалей. Это, с одной стороны, искажает действительный результат, а с другой, — существенно увеличивает объем вычислений, если брать большое число вертикалей.  [3]

Методом послойного суммирования просчитана кривая осадок ( рис. 35) для основания резервуара. Глубина сжимаемой толщи основания при этом взята равной, 25 — м из, соотношения o z0 2 ре, где ре — бытовое давление грунта.  [5]

Методом послойного суммирования осадок по осевым напряжениям рекомендуется пользоваться и при определении дополнительных осадок, возникающих от взаимного влияния соседних фундаментов, а также осадок уже существующих фундаментов, возникающих вследствие загружения соседних площадей. При таких условиях задача нахождения осадки осложняется тем, что по оси данного фундамента необходимо найти дополнительные напряжения от соседних фундаментов или загруженных площадей. Эти напряжения находят по методу угловых точек, если рассматриваемую ось принять за угловую. Метод угловых точек подробно изложен и проиллюстрирован примером в гл. Полная осадка с учетом влияния соседней нагрузки определяется от суммарной эпюры напряжений по рассматриваемой оси.  [6]

Применение метода послойного суммирования наиболее эффективно при больших размерах подошвы фундамента и при слоистых основаниях с резко изменяющейся сжимаемостью отдельных слоев. Послойное суммирование осадок может быть выполнено и с учетом всех трех компонентов напряжений, действующих в основании.  [7]

Идея метода послойного суммирования заключается в следующем.  [8]

Развивая основные особенности метода послойного суммирования для определения полной осадки моренных грунтов, Е. Ф. Винокуров ( 1963 г.) предлагает принимать величину сжимаемой толщи основания на глубине, где осадка слоя толщиной 0 2 b составляет 15 % осадки первого слоя.  [9]

При расчете осадок отдельно стоящих фундаментов методом послойного суммирования следует учитывать схему распределения вертикальных давлений в толще основания, приведенную на рис. 3.20 ( 1 прил.  [10]

При определении деформаций основания в настоящее время используют либо метод послойного суммирования, либо метод упругого полупространства. Однако оба этих Метода не учитывают наличие сил морозного пучения.  [11]

Суммарная осадка фундамента при его повторном нагружении Sem S AS может быть установлена, если в известную форму метода послойного суммирования [48] внести коррективы, которые бы в первом приближении учитывали концентрацию вертикальных напряжений, возникающую при повторном нагружении лессовых суглинков.  [12]

В этой связи представляется целесообразным применить другой принцип определения толщины сжимаемого слоя грунта, а именно тот, который используется при вычислении осадок фундаментов методом послойного суммирования. Нижнюю границу Н сжимаемой толщи принимаем на той глубине от подошвы фундамента, на которой дополнительное давление ( под центром тяжести подошвы) от передаваемой фундаментом нагрузки составляет 20 % бытового ( природного) давления.  [13]

Задача 4.2.8. Используя значения напряжений aZG и aZP, найденные при решение задач 4.1.1 ( площадка А) и 4.1.12, вычислите осадку основания насыпи методом послойного суммирования. Модуль деформации суглинка примите равным 9 0 МПа, песка — 16 0 МПа. На глубине более 10 м залегает малосжимаемый грунт, деформацией которого можно пренебречь.  [15]

Страницы:      1    2

Расчёт осадки фундамента методом послойного суммирования: причины деформаций оснований

Сегодня расчет осадки фундамента методом послойного суммирования имеет особую практическую важность, без этих данных спроектировать прочное основание невозможно. Этот пункт есть в нормативных требованиях по определенным деформациям опорных установок. Допущенные при монтаже опоры здания ошибки или неправильно подобранный материал дадут о себе знать процессом неравномерного проседания, что приведет к самым неприятным и даже опасным последствиям – разрушению.

Основной фактор, влияющий на степень проседания – это состав грунта. Все они делятся на виды, каждый из них имеет прочность в большей или меньшей степени. Самые надежные почвы скальные, основой для которых являются монолитные плиты. Далее, менее прочные идут дисперсные грунты, которые состоят из минеральных зерен разного размера, по-другому их называют еще несвязные, так как они не удерживают влагу.

Основные причины осадки

Симптом осадки оснавания

Осадка – это смещение основания в вертикальном положении, как следствие деформации грунтового слоя. А причин подвижности несколько:

• закладка проводилась гораздо выше нормы;
• поднятие грунтовых вод, попавших под фундамент;
• длительный срок эксплуатации дома;
• уплотнение почвы;
• дефекты конструкции;
• некачественные материалы;
• надстройка лишних, не предусмотренных на начало строительства здания этажей.
• подземные работы, проводимые вблизи от фундамента.

Разрушительные явления:

• прогибы/выгибы опоры;
• сдвиг конструкции;
• крен (сильный наклон) здания;
• перекос;
• закручивание, горизонтальные перемещения.

Необходимы расчёты!

Это все касается критического состояния, но существует также прогнозируемый процесс осадки фундамента, среди которых есть предельно допустимые для каждого типа здания отдельно. Железобетонные конструкции могут дать осадку до 8 см, здания на стальных сваях и опорах – до 12 см, деревянные, сборно-щитовые дома могут осесть до 15 см максимум.

Сегодня не установлена конкретная нормативная величина предельно допустимой нормы дополнительной осадки. Как правило, в документах не указывается различие между полученной при возведении здания, первоначальной и дополнительной осадкой. Для кирпичного дома это примерно 10-12 см. Последствие неравномерности, как известно – это перекосы, трещины, в худшем случае обрушение.

Расчет осадки свайного фундамента

Такие установки используются для самых разных конструкций, имеют активное распространение благодаря лёгкости монтажа, малозатратности и прочности. Специфика расчета осадки подобных оснований несколько отличается от схем для других оснований. Как быть, когда обнаружились трещины в основании и перекосы дома?

Для начала нужно разобраться, что вызвало этот процесс, понаблюдать за ним, обнаружив или исключив расширение и другие сильные изменения. Есть множество методов для установления точной расчетной осадки и самый из них популярный способ послойного суммирования.

Рассмотрите примеры осадки

Производится осадка методом послойного суммирования опоры дома под влиянием давления в фундаменте, спровоцированной нагрузкой рядом стоящих оснований в таком порядке:

1. наносятся на геологический разрез очертания фундамента;
2. подошва делится на горизонтальный, однородный по сжимаемости слой;
3. рассчитываются стандартные показатели давления, образующиеся в месте пересечения вертикальной оси;
4. устанавливается величина активной зоны;
5. по формуле определяется осадка.

Полученные вычисления очень нужны, так как эти цифры сравниваются с допустимой осадкой. Она указывает на деформации, которые, возможно, произойдут в будущем для каждой отдельной конструкции. Если выяснится, что предельная осадка превышает нормы, то добавляются еще сваи, для упрочнения фундамента.

Такая осадка фундамента методом послойного суммирования может проводиться при следующих условиях: грунт у основания – плотное, линейно-деформируемое изотропное тело; невозможно расширение грунта по бокам в фундаменте; опора дома не имеет жесткости.

Выявленная осадка – это стабилизированная деформация, то есть она достигается естественным путем в течение нескольких десятков лет под воздействием грунтов. В глинистых, водонасыщенных почвах стабилизация может выходить за пределы десятилетий до сотен лет.

Подробнее о способе вычисления

Расчёт дома и его особенностей

Вычисление путем послойного суммирования дает возможность определить осадку не только возводимого, а также рядом стоящих оснований, учесть разнородность, которая выражается в изменениях конструкции по глубине. Данным способом можно рассчитать осадку сразу нескольких вертикалей. Сложность послойного суммирования в том, что здесь нужно найти дополнительные нагрузки, извне, дающие напор на фундамент возводимого сооружения. Напряжения находятся методом угловой точки, когда рабочая ось принимается за угловую.

Особенно удобен метод послойного суммирования при большой подошве результат всегда эффективный. Особенно когда структура основания слоистая и резко меняется, когда сжимаются отдельные слои.

Во время определения осадки обязательно учитывается воздействие глубины заложения фундамента и по ней устанавливаются суммированные пределы. До возведения основания грунт, находящийся на уровне подошвы, был обжат двоением вышележащей почвы, поэтому чтобы определить величину осадки, за начальную точку давления принимается влияние веса на основании от дома.

Влияние слабых грунтов на состояние опор для дома

Когда по всему периметру сооружения слои напластования грунта однородные, которые не сжимаются при углублении, то расчеты проводятся по средней осадке фундамента. Зачастую принимают во внимание временную деформацию, также отдельно для каждого строительства и эксплуатации. Помимо основных нагрузок на основание учитывается влияние на грунт соседних фундаментов. Если в процессе строительства опоры под дом закладываются не одновременно, то оценивается неравномерная деформация рядом стоящих оснований.

При обнаружении в активной зоне грунта слоя, имеющего слабые несущие способности, чем пласт выше, то нужно выявить, как он может повлиять в целом на изменение фундамента. Этот слой берется за расчет, кода полное давление нагрузок в верхней его части не выше положенного напора для фактического фундамента, который будет опираться на этот грунт.

Рекомендации по закладке бетона во избежание просадки

Всем знакома ситуация когда приходится больше тратиться на ремонт, чем на строительство. Учитывая этот факт, стоит внимательно изначально относиться к процессу сооружения зданий с учетом всех технологий строительства. Так вы оградите себя от многих неприятностей.

Качественное надежное строительство – это хороший выбор материалов, обустройство дренажной конструкции и системы гидроизоляции. При возведении опоры для дома нужно использовать только надежный бетонный раствор и не скупиться на него. Плохой бетон, а в следствие фундамент непременно приведет к проседанию.

Важно не допустить литье бетона на промерзшую почву. Если нет возможности провести строительно-монтажные работы в теплое время года, тогда стоит позаботиться о согреве и защите раствора от проникновения ветра и холода. Смешивать бетон с водой нельзя, это существенно понизит его эксплуатационные характеристики, в том числе прочность. И не стоит забывать про определение осадки методом послойного суммирования фундамента.

Строительные работы, проводимые летом, не должны начинаться на 30°C жаре. Это может стать причиной ложного резкого сцепления материала. Лучшее время для заливки – вечер или раннее утро, когда солнце еще не сильно палящее. Действия выполняются только на однородном, непромерзлом грунте, на качественно подготовленную подушку.

Придерживаясь этих простых рекомендаций, вы сможете избежать неприятностей, связанных с осадкой основания здания. Когда все же вы заметили трещину, необходимо срочно провести соответствующий расчет осадки методом послойного суммирования и ваш дом простоит еще много лет. Обеспечьте опорному основанию дома достаточную площадь подошвы.

Метод послойного суммирования нелинейных отложений грунтового основания с учетом воздействия возмущений

Чжао Минхуа, Ю Сяо. Ван Исун. Механика грунтов и фундаментостроение [М]. Ухань: Wuhan University of Technology Press, 2003: 63 — 66. (на китайском языке)

Ян Гуанхуа. Расчет нелинейной осадки грунтового основания с использованием метода касательного модуля ненарушенного грунта [J]. Китайский журнал геотехнической инженерии. 2006, 28 (11): 1927-1931.(На китайском языке)

Л.И. Ренпин. Нелинейная осадка грунта рассчитывается по уравнению модуля касательной к гиперболической кривой [J]. Механика горных пород и грунтов. 2008. 29 (7): 1987–1992. (На китайском языке)

CAO Wengui, TIAN Xiaojuan, LIU Haitao, et al. Усовершенствована методика расчета нелинейных осаждений ленточного фундамента [J]. Китайский журнал механики и инженерии горных пород, 2009 г., 28 (11): 2262–2272. (На китайском языке)

HE Siming. Модифицированное суммирование слоев на основе теории упругопластичности [J].Механика горных пород и грунтов, 2003. 24 (1): 88 — 92. (на китайском языке)

CAO Wengui. ТАН Ини. Ван Цзяньин. Метод послойного суммирования осадки композитного грунта с кучками рыхлого материала на основе модели пористой среды [J]. Журнал Хунаньского университета: естественные науки. 2014.41 (11): 87 — 95. (на китайском языке)

ХЭ Чанжун. Ян Гуйфан. Влияние параметров модели Дункана-Чанга на результаты расчетов [J]. Китайский журнал геотехнической инженерии.2002. 24 (2): 170– 174. (на китайском языке)

НЕ Чуньбао. ШЕН Цзяньхуа. CAI Jian. и другие. Обратный анализ нелинейной модели фундамента Дункана-Чанга [J]. Китайский журнал геотехнической инженерии. 2009, 31 (4): 634 — 638. (на китайском языке)

CAO Wengui. DENG Xiangjun. ЧЖАН Чао. Метод послойного суммирования для осадки фундамента на основе конститутивной модели Дункана-Чанга [J]. Китайский журнал геотехнической инженерии. 2013, 35 (4): 643 — 649. (на китайском языке)

Дункан Дж. М.CHANG С. Y. Нелинейный анализ напряжений и деформаций в грунтах [JJ. Журнал отдела механики грунтов и фундаментов. ASCE, 1970, 96CSM5): 1629–1653.

KONDNER R L. Гиперболический стресс-деформационный отклик связных грунтов [J]. Журнал механики грунта и основания, ASCE, 1963, 89 (SM1): 115-143.

ШЭН Чжуцзян. Модель упругопластического повреждения цементированных глин [J]. Китайский журнал геотехнической инженерии, 1993, 15 (3), 21-28 (на китайском языке)

У вас недостаточно прав для чтения этого закона в это время

Public.Resource.Org

Хилдсбург, Калифорния, 95448
США

Этот документ в настоящее время недоступен для вас!

Уважаемый гражданин:

В настоящее время вам временно отказано в доступе к этому документу.

Public Resource ведет судебный процесс за ваше право читать и говорить о законе. Для получения дополнительной информации см. Досье по рассматриваемому судебному делу:

Американское общество испытаний и материалов (ASTM), Национальная ассоциация противопожарной защиты (NFPA), и Американское общество инженеров по отоплению, холодильной технике и кондиционированию воздуха (ASHRAE) против Public.Resource.Org (общедоступный ресурс), DCD 1: 13-cv-01215, Объединенный окружной суд округа Колумбия [1]

Ваш доступ к этому документу, который является законом Соединенных Штатов Америки, был временно отключен, пока мы боремся за ваше право читать и говорить о законах, по которым мы решаем управлять собой как демократическим обществом.

Чтобы подать заявку на получение лицензии на ознакомление с этим законом, ознакомьтесь с Сводом федеральных нормативных актов или применимыми законами и постановлениями штата. на имя и адрес продавца. Для получения дополнительной информации о постановлениях правительства и ваших правах гражданина в соответствии с нормами закона , пожалуйста, прочтите мое свидетельство перед Конгрессом Соединенных Штатов. Вы можете найти более подробную информацию о нашей деятельности на общедоступном ресурсе. в нашем реестре деятельности за 2015 год. [2] [3]

Спасибо за интерес к чтению закона.Информированные граждане — это фундаментальное требование для работы нашей демократии. Благодарим вас за усилия и приносим извинения за неудобства.

С уважением,

Карл Маламуд
Public.Resource.Org
7 ноября 2015 г.

Банкноты

[1] http://www.archive.org/download/gov.uscourts.dcd.161410/gov.uscourts.dcd.161410.docket.html

[2] https://public.resource.org/edicts/

[3] https://public.resource.org/pro.docket.2015.html

онлайн-курсов PDH. PDH для профессиональных инженеров. ПДХ Инжиниринг.

«Мне нравится широта ваших курсов по HVAC; не только экологичность или экономия энергии

курсов. «

Russell Bailey, P.E.

Нью-Йорк

«Это укрепило мои текущие знания и научило меня еще нескольким новым вещам.

, чтобы познакомить меня с новыми источниками

информации.»

Стивен Дедак, P.E.

Нью-Джерси

«Материал был очень информативным и организованным. Я многому научился, и они были

очень быстро отвечает на вопросы.

Это было на высшем уровне. Будет использовать

снова. Спасибо. «

Blair Hayward, P.E.

Альберта, Канада

«Простой в использовании сайт.Хорошо организовано. Я действительно буду снова пользоваться вашими услугами.

проеду по вашей компании

имя другим на работе. «

Roy Pfleiderer, P.E.

Нью-Йорк

«Справочные материалы были превосходными, и курс был очень информативным, особенно потому, что я думал, что я уже знаком.

с подробной информацией о Канзасе

Городская авария Хаятт.»

Майкл Морган, P.E.

Техас

«Мне очень нравится ваша бизнес-модель. Мне нравится просматривать текст перед покупкой. Я нашел класс

информативно и полезно

в моей работе ».

Вильям Сенкевич, П.Е.

Флорида

«У вас большой выбор курсов, а статьи очень информативны.Вы

— лучшее, что я нашел ».

Russell Smith, P.E.

Пенсильвания

«Я считаю, что такой подход позволяет работающему инженеру легко зарабатывать PDH, давая время на просмотр

материал. «

Jesus Sierra, P.E.

Калифорния

«Спасибо, что позволили мне просмотреть неправильные ответы.На самом деле

человек узнает больше

от отказов ».

John Scondras, P.E.

Пенсильвания

«Курс составлен хорошо, и использование тематических исследований является эффективным.

способ обучения. «

Джек Лундберг, P.E.

Висконсин

«Я очень впечатлен тем, как вы представляете курсы; i.е., позволяя

студент для ознакомления с курсом

материала до оплаты и

получает викторину «

Арвин Свангер, П.Е.

Вирджиния

«Спасибо за то, что вы предложили все эти замечательные курсы. Я определенно выучил и

получил огромное удовольствие «.

Мехди Рахими, П.Е.

Нью-Йорк

«Я очень доволен предлагаемыми курсами, качеством материалов и простотой поиска.

в режиме онлайн

курсов.»

Уильям Валериоти, P.E.

Техас

«Этот материал в значительной степени оправдал мои ожидания. По курсу было легко следовать. Фотографии в основном обеспечивали хорошее наглядное представление о

обсуждаемых тем ».

Майкл Райан, P.E.

Пенсильвания

«Именно то, что я искал. Потребовался 1 балл по этике, и я нашел его здесь.»

Джеральд Нотт, П.Е.

Нью-Джерси

«Это был мой первый онлайн-опыт получения необходимых мне кредитов PDH. Это было

информативно, выгодно и экономично.

Я очень рекомендую

всем инженерам ».

Джеймс Шурелл, P.E.

Огайо

«Я понимаю, что вопросы относятся к« реальному миру »и имеют отношение к моей практике, и

не на основании какого-то неясного раздела

законов, которые не применяются

— «нормальная» практика.»

Марк Каноник, П.Е.

Нью-Йорк

«Отличный опыт! Я многому научился, чтобы перенести его на свой медицинский прибор.

организация «

Иван Харлан, П.Е.

Теннесси

«Материалы курса имели хорошее содержание, не слишком математическое, с хорошим акцентом на практическое применение технологий».

Юджин Бойл, П.E.

Калифорния

«Это был очень приятный опыт. Тема была интересной и хорошо изложенной,

а онлайн-формат был очень

Доступно и просто

использовать. Большое спасибо «.

Патрисия Адамс, P.E.

Канзас

«Отличный способ добиться соответствия требованиям PE Continuing Education в рамках ограничений по времени лицензиата.»

Джозеф Фриссора, P.E.

Нью-Джерси

«Должен признаться, я действительно многому научился. Помогает иметь печатный тест во время

обзор текстового материала. Я

также оценил просмотр

предоставлено фактических случаев «

Жаклин Брукс, П.Е.

Флорида

«Документ» Общие ошибки ADA при проектировании объектов «очень полезен.

испытание потребовало исследования в

документ но ответы были

в наличии. «

Гарольд Катлер, П.Е.

Массачусетс

«Я эффективно использовал свое время. Спасибо за широкий выбор вариантов.

в транспортной инженерии, что мне нужно

для выполнения требований

Сертификат ВОМ.»

Джозеф Гилрой, P.E.

Иллинойс

«Очень удобный и доступный способ заработать CEU для моих требований PG в Делавэре».

Ричард Роадс, P.E.

Мэриленд

«Я многому научился с защитным заземлением. До сих пор все курсы, которые я прошел, были отличными.

Надеюсь увидеть больше 40%

курсов со скидкой.»

Кристина Николас, P.E.

Нью-Йорк

«Только что сдал экзамен по радиологическим стандартам и с нетерпением жду возможности сдать дополнительный

курсов. Процесс прост, и

намного эффективнее, чем

в пути «.

Деннис Мейер, P.E.

Айдахо

«Услуги, предоставляемые CEDengineering, очень полезны для профессионалов.

Инженеры получат блоки PDH

в любое время.Очень удобно ».

Пол Абелла, P.E.

Аризона

«Пока все отлично! Поскольку я постоянно работаю матерью двоих детей, у меня мало

время искать где

получить мои кредиты от. «

Кристен Фаррелл, P.E.

Висконсин

«Это было очень познавательно и познавательно.Легко для понимания с иллюстрациями

и графики; определенно делает это

проще поглотить все

теории »

Виктор Окампо, P.Eng.

Альберта, Канада

«Хороший обзор принципов работы с полупроводниками. Мне понравилось пройти курс по

мой собственный темп во время моего утром

до метро

на работу.»

Клиффорд Гринблатт, П.Е.

Мэриленд

«Просто найти интересные курсы, скачать документы и пройти

викторина. Я бы очень рекомендовал

вам на любой PE, требующий

CE единиц. «

Марк Хардкасл, П.Е.

Миссури

«Очень хороший выбор тем из многих областей техники.»

Randall Dreiling, P.E.

Миссури

«Я заново узнал то, что забыл. Я также рад оказать финансовую помощь

по ваш промо-адрес который

сниженная цена

на 40% «

Конрадо Казем, П.E.

Теннесси

«Отличный курс по разумной цене. Воспользуюсь вашими услугами в будущем».

Charles Fleischer, P.E.

Нью-Йорк

«Это был хороший тест и фактически подтвердил, что я прочитал профессиональную этику

кодов и Нью-Мексико

регламентов. «

Брун Гильберт, П.E.

Калифорния

«Мне очень понравились занятия. Они стоили потраченного времени и усилий».

Дэвид Рейнольдс, P.E.

Канзас

«Очень доволен качеством тестовых документов. Буду использовать CEDengineerng

при необходимости дополнительно

аттестат. «

Томас Каппеллин, П.E.

Иллинойс

«У меня истек срок действия курса, но вы все же выполнили свое обязательство и дали

мне то, за что я заплатил — много

оценено! «

Джефф Ханслик, P.E.

Оклахома

«CEDengineering предлагает удобные, экономичные и актуальные курсы.

для инженера ».

Майк Зайдл, П.E.

Небраска

«Курс был по разумной цене, а материал краток.

хорошо организовано. «

Glen Schwartz, P.E.

Нью-Джерси

«Вопросы подходили для уроков, а материал урока —

хороший справочный материал

для деревянного дизайна. «

Брайан Адамс, П.E.

Миннесота

«Отлично, я смог получить полезные рекомендации по простому телефонному звонку.»

Роберт Велнер, P.E.

Нью-Йорк

«У меня был большой опыт работы в прибрежном строительстве — проектирование

Building курс и

очень рекомендую .»

Денис Солано, P.E.

Флорида

«Очень понятный, хорошо организованный веб-сайт. Материалы курса этики Нью-Джерси были очень хорошими

хорошо подготовлен. «

Юджин Брэкбилл, P.E.

Коннектикут

«Очень хороший опыт. Мне нравится возможность загружать учебные материалы на

обзор везде и

всякий раз, когда.»

Тим Чиддикс, P.E.

Колорадо

«Отлично! Поддерживаю широкий выбор тем на выбор».

Уильям Бараттино, P.E.

Вирджиния

«Процесс прямой, никакой ерунды. Хороший опыт.»

Тайрон Бааш, П.E.

Иллинойс

«Вопросы на экзамене были зондирующими и демонстрировали понимание

материала. Полная

и комплексное ».

Майкл Тобин, P.E.

Аризона

«Это мой второй курс, и мне понравилось то, что мне предложили этот курс

поможет по моей линии

работ.»

Рики Хефлин, P.E.

Оклахома

«Очень быстро и легко ориентироваться. Я определенно буду использовать этот сайт снова».

Анджела Уотсон, P.E.

Монтана

«Легко выполнить. Нет путаницы при подходе к сдаче теста или записи сертификата».

Кеннет Пейдж, П.E.

Мэриленд

«Это был отличный источник информации о солнечном нагреве воды. Информативный

и отличный освежитель ».

Луан Мане, П.Е.

Conneticut

«Мне нравится подход к регистрации и возможность читать материалы в автономном режиме, а затем

Вернуться, чтобы пройти викторину «

Алекс Млсна, П.E.

Индиана

«Я оценил объем информации, предоставленной для класса. Я знаю

это вся информация, которую я могу

использование в реальных жизненных ситуациях »

Натали Дерингер, P.E.

Южная Дакота

«Обзорные материалы и образец теста были достаточно подробными, чтобы позволить мне

успешно завершено

курс.»

Ира Бродский, П.Е.

Нью-Джерси

«Веб-сайт прост в использовании, вы можете скачать материалы для изучения, а потом вернуться

и пройдите викторину. Очень

удобно а на моем

собственный график «

Майкл Глэдд, P.E.

Грузия

«Спасибо за хорошие курсы на протяжении многих лет.»

Деннис Фундзак, П.Е.

Огайо

«Очень легко зарегистрироваться, получить доступ к курсу, пройти тест и распечатать PDH

сертификат. Спасибо за создание

процесс простой ».

Фред Шейбе, P.E.

Висконсин

«Положительный опыт.Быстро нашел курс, который соответствовал моим потребностям, и закончил

один час PDH в

один час. «

Стив Торкильдсон, P.E.

Южная Каролина

«Мне понравилась возможность скачать документы для проверки содержания

и пригодность, до

имея платить за

материал .»

Ричард Вимеленберг, P.E.

Мэриленд

«Это хорошее напоминание об ЭЭ для инженеров, не занимающихся электричеством».

Дуглас Стаффорд, P.E.

Техас

«Всегда есть возможности для улучшения, но я ничего не могу придумать в вашем

процесс, который требует

улучшение.»

Thomas Stalcup, P.E.

Арканзас

«Мне очень нравится удобство участия в онлайн-викторине и получение сразу

сертификат. «

Марлен Делани, П.Е.

Иллинойс

«Учебные модули CEDengineering — это очень удобный способ доступа к информации по номеру

много разные технические зоны за пределами

по своей специализации без

надо ехать.»

Гектор Герреро, П.Е.

Грузия

Создание новых слоев и моделей с помощью подкласса

Автор: fchollet
Дата создания: 2019/03/01
Последнее изменение: 2020/04/13
Описание: Полное руководство по написанию объектов Layer и Model с нуля.

Просмотреть в Colab • Исходный код GitHub

Настройка

  импортировать тензорный поток как tf
из tenorflow import keras
  

Уровень

Одной из центральных абстракций в Керасе является класс Layer .Слой инкапсулирует как состояние («веса» слоя), так и преобразование из входы в выходы («вызов», прямой проход уровня).

Вот плотно связанный слой. У него есть состояние: переменные w и b .

  класс Линейный (keras.layers.Layer):
    def __init __ (self, units = 32, input_dim = 32):
        super (Линейный, сам) .__ init __ ()
        w_init = tf.random_normal_initializer ()
        self.w = tf.Variable (
            начальное_значение = w_init (shape = (input_dim, units), dtype = "float32"),
            trainable = True,
        )
        b_init = tf.zeros_initializer ()
        self.b = tf.Variable (
            initial_value = b_init (shape = (units,), dtype = "float32"), trainable = True
        )

    вызов def (self, вводы):
        return tf.matmul (входы, self.w) + self.b
  

Вы могли бы использовать слой, вызывая его на некоторых входных данных тензора, как в Python функция.

  x = tf.ones ((2, 2))
linear_layer = Линейный (4, 2)
y = линейный_уровень (x)
печать (у)
  

  тф.Тенсор (
[[0,01103698 0,03099662 -0.1009444 0,10721317]
 [0,01103698 0,03099662 -0,1009444 0,10721317]], shape = (2, 4), dtype = float32)
  

Обратите внимание, что веса w и b автоматически отслеживаются слоем при устанавливается как атрибуты слоя:

  assert linear_layer.weights == [linear_layer.w, linear_layer.b]
  

Обратите внимание, что у вас также есть доступ к более быстрому ярлыку для добавления веса к слою: метод add_weight () :

  класс Linear (keras.Layers.Layer):
    def __init __ (self, units = 32, input_dim = 32):
        super (Линейный, сам) .__ init __ ()
        self.w = self.add_weight (
            shape = (input_dim, units), initializer = "random_normal", trainable = True
        )
        self.b = self.add_weight (shape = (units,), initializer = "zeros", trainable = True)

    вызов def (self, вводы):
        return tf.matmul (входы, self.w) + self.b


х = tf.ones ((2, 2))
linear_layer = Линейный (4, 2)
y = линейный_уровень (x)
печать (у)
  

  тс.Тензор(
[[-0,09724902 0,04435382 0,06548684 0,1264643]
 [-0.09724902 0,04435382 0,06548684 0,1264643]], shape = (2, 4), dtype = float32)
  

Слои могут иметь нетренируемые веса

Помимо обучаемых отягощений, вы можете добавить к слою необучаемые отягощения как хорошо. Такие веса не должны приниматься во внимание во время обратное распространение при обучении слоя.

Вот как добавить и использовать нетренируемый вес:

  класс ComputeSum (keras.Layers.Layer):
    def __init __ (self, input_dim):
        super (ComputeSum, self) .__ init __ ()
        self.total = tf.Variable (initial_value = tf.zeros ((input_dim,)), trainable = False)

    вызов def (self, вводы):
        self.total.assign_add (tf.reduce_sum (входы, ось = 0))
        вернуть self.total


х = tf.ones ((2, 2))
my_sum = ComputeSum (2)
у = моя_сумма (х)
печать (y.numpy ())
у = моя_сумма (х)
печать (y.numpy ())
  

Это часть слоя , вес , но он классифицируется как не обучаемый вес:

  print ("веса:", len (my_sum.веса))
print ("необучаемые веса:", len (my_sum.non_trainable_weights))

# Это не входит в тренируемые веса:
print ("trainable_weights:", my_sum.trainable_weights)
  

  весов: 1
нетренируемые веса: 1
trainable_weights: []
  

Лучшая практика: отложить создание веса до тех пор, пока не станет известна форма входных данных

Наш слой Linear выше принял аргумент input_dim , который использовался для вычисления форма грузов w и b in __init __ () :

  класс Linear (keras.Layers.Layer):
    def __init __ (self, units = 32, input_dim = 32):
        super (Линейный, сам) .__ init __ ()
        self.w = self.add_weight (
            shape = (input_dim, units), initializer = "random_normal", trainable = True
        )
        self.b = self.add_weight (shape = (units,), initializer = "zeros", trainable = True)

    вызов def (self, вводы):
        return tf.matmul (входы, self.w) + self.b
  

Во многих случаях вы можете не знать заранее размер ваших входных данных, и вы хотел бы лениво создавать веса, когда это значение станет известно, когда-нибудь после создания экземпляра слоя.

В API Keras мы рекомендуем создавать веса слоев в сборке (self, input_shape) метод вашего слоя. Как это:

  класс Линейный (keras.layers.Layer):
    def __init __ (self, units = 32):
        super (Линейный, сам) .__ init __ ()
        self.units = единицы

    def build (self, input_shape):
        self.w = self.add_weight (
            shape = (input_shape [-1], self.units),
            инициализатор = "random_normal",
            trainable = True,
        )
        себя.b = self.add_weight (
            shape = (self.units,), initializer = "random_normal", trainable = True
        )

    вызов def (self, вводы):
        return tf.matmul (входы, self.w) + self.b
  

Метод __call __ () вашего слоя автоматически запустит сборку при первом запуске. это называется. Теперь у вас есть ленивый слой, который проще в использовании:

  # При создании экземпляра мы не знаем, на каких входах он будет вызван
linear_layer = Линейный (32)

# Веса слоя создаются динамически при первом вызове слоя
y = линейный_уровень (x)
  

Реализация build () отдельно, как показано выше, хорошо разделяет создание весов только один раз из использования весов в каждом вызове.Однако для некоторых продвинутых кастомов слоев, может стать непрактичным разделять создание состояния и вычисление. Разработчикам уровня разрешено отложить создание веса до первого __call __ () , но нужно позаботиться о том, чтобы в последующих вызовах использовались те же веса. Кроме того, поскольку __call __ () , скорее всего, будет впервые выполнен внутри функции tf. , любое создание переменной, которое происходит в __call __ () , должно быть заключено в tf.init_scope .

Слои рекурсивно компонуются

Если вы назначаете экземпляр слоя как атрибут другого слоя, внешний слой начнет отслеживать веса, созданные внутренним слоем.

Мы рекомендуем создавать такие подслои в методе __init __ () и оставлять его на первые __call __ () для запуска построения их весов.

  класс MLPBlock (keras.layers.Layer):
    def __init __ (сам):
        super (MLPBlock, сам) .__ init __ ()
        себя.linear_1 = линейный (32)
        self.linear_2 = Линейный (32)
        self.linear_3 = Линейный (1)

    вызов def (self, вводы):
        x = self.linear_1 (входные данные)
        х = tf.nn.relu (х)
        х = self.linear_2 (х)
        х = tf.nn.relu (х)
        вернуть self.linear_3 (x)


mlp = MLPBlock ()
y = mlp (tf.ones (shape = (3, 64))) # Первый вызов `mlp` создаст веса
print ("веса:", len (mlp.weights))
print ("обучаемые веса:", len (mlp.trainable_weights))
  

  весов: 6
тренируемые веса: 6
  

Метод

При написании метода call () слоя вы можете создавать тензоры потерь, которые вы захотите использовать позже, при написании цикла обучения.Это можно сделать вызов self.add_loss (значение) :

  # Слой, создающий потерю регуляризации активности
класс ActivityRegularizationLayer (keras.layers.Layer):
    def __init __ (self, rate = 1e-2):
        super (ActivityRegularizationLayer, сам) .__ init __ ()
        self.rate = ставка

    вызов def (self, вводы):
        self.add_loss (self.rate * tf.reduce_sum (входы))
        возврат входов
  

Эти потери (включая потери, создаваемые любым внутренним слоем) могут быть восстановлены через слой.убытки . Это свойство сбрасывается в начале каждого __call __ () на слой верхнего уровня, так что layer.losses всегда содержит значения потерь созданный во время последнего прямого прохода.

  класс OuterLayer (keras.layers.Layer):
    def __init __ (сам):
        super (OuterLayer, сам) .__ init __ ()
        self.activity_reg = ActivityRegularizationLayer (1e-2)

    вызов def (self, вводы):
        return self.activity_reg (входы)


слой = OuterLayer ()
assert len ​​(layer.loss) == 0 # потерь пока нет, так как слой ни разу не вызывался

_ = слой (tf.zeros (1, 1))
assert len ​​(layer.losses) == 1 # Мы создали одно значение потерь

# `layer.losses` сбрасывается в начале каждого __call__
_ = слой (tf.zeros (1, 1))
assert len ​​(layer.losses) == 1 # Это потеря, созданная во время вызова выше
  

Кроме того, имущество потерь также содержит возникшие убытки от регуляризации. на вес любого внутреннего слоя:

  класс OuterLayerWithKernelRegularizer (keras.Layers.Layer):
    def __init __ (сам):
        super (OuterLayerWithKernelRegularizer, сам) .__ init __ ()
        self.dense = keras.layers.Dense (
            32, kernel_regularizer = tf.keras.regularizers.l2 (1e-3)
        )

    вызов def (self, вводы):
        return self.dense (входы)


layer = OuterLayerWithKernelRegularizer ()
_ = слой (tf.zeros ((1, 1)))

# Это `1e-3 * sum (layer.dense.kernel ** 2)`,
# созданный `kernel_regularizer` выше.
печать (layer.losses)
  

  []
  

Эти потери следует учитывать при написании обучающих циклов, как это:

  # Создать экземпляр оптимизатора.
optimizer = tf.keras.optimizers.SGD (скорость_учения = 1e-3)
loss_fn = keras.losses.SparseCategoricalCrossentropy (from_logits = True)

# Перебирать пакеты набора данных.
для x_batch_train, y_batch_train в train_dataset:
  с tf.GradientTape () в качестве ленты:
    logits = layer (x_batch_train) # Logits для этого мини-пакета
    # Значение потерь для этой мини-партии
    loss_value = loss_fn (y_batch_train, логиты)
    # Добавьте дополнительные потери, созданные во время этого прямого прохода:
    loss_value + = сумма (модель.убытки)

  grads = tape.gradient (значение_потери, model.trainable_weights)
  optimizer.apply_gradients (zip (grads, model.trainable_weights))
  

Подробное руководство по написанию обучающих циклов см. В руководство по написанию цикла обучения с нуля.

Эти потери также работают без проблем с fit () (они автоматически суммируются и добавлен к основному убытку, если таковой имеется):

  импортировать numpy как np

входы = keras.Input (shape = (3,))
output = ActivityRegularizationLayer () (входы)
модель = керас.Модель (входы, выходы)

# Если в `compile` передается потеря, регуляризация
К нему добавляется # убытков
model.compile (optimizer = "adam", loss = "mse")
model.fit (np.random.random ((2, 3)), np.random.random ((2, 3)))

# Также возможно не передавать какие-либо потери в `compile`,
# поскольку у модели уже есть потери, которые нужно минимизировать, через `add_loss`
# вызов во время прямого прохода!
model.compile (optimizer = "adam")
model.fit (np.random.random ((2, 3)), np.random.random ((2, 3)))
  

  1/1 [==============================] - 0 с 131 мс / шаг - потеря: 0.1269
1/1 [==============================] - 0 с 45 мс / шаг - потеря: 0,0274


  

Метод

  класс LogisticEndpoint (keras.layers.Layer):
    def __init __ (self, name = None):
        super (LogisticEndpoint, self) .__ init __ (имя = имя)
        self.loss_fn = keras.losses.BinaryCrossentropy (from_logits = True)
        self.accuracy_fn = keras.metrics.BinaryAccuracy ()

    вызов def (self, target, logits, sample_weights = None):
        # Вычислить значение потери времени на обучение и добавить его
        # на слой с помощью `self.add_loss ()`.
        потеря = self.loss_fn (цели, логиты, выборка_весов)
        себя.add_loss (убыток)

        # Зарегистрируйте точность как метрику и добавьте ее
        # на слой с помощью `self.add_metric ()`.
        acc = self.accuracy_fn (цели, логиты, выборочный_вес)
        self.add_metric (acc, name = "precision")

        # Возвращает тензор предсказания времени вывода (для `.predict ()`).
        вернуть tf.nn.softmax (логиты)
  

  слой = LogisticEndpoint ()

target = tf.ones ((2, 2))
logits = tf.единицы ((2, 2))
y = слой (цели, логиты)

print ("layer.metrics:", layer.metrics)
print ("текущее значение точности:", float (layer.metrics [0] .result ()))
  

  layer.metrics: []
текущее значение точности: 1.0
  

  входов = keras.Input (shape = (3,), name = "inputs")
target = keras.Input (shape = (10,), name = "target")
логитс = керас.Layers.Dense (10) (входы)
прогнозы = LogisticEndpoint (name = "прогнозы") (логиты, цели)

model = keras.Model (входы = [входы, цели], выходы = прогнозы)
model.compile (optimizer = "adam")

data = {
    "входы": np.random.random ((3, 3)),
    "цели": np.random.random ((3, 10)),
}
model.fit (данные)
  

  1/1 [==============================] - 0 с 240 мс / шаг - потеря: 0,9455 - двоичная_точность: 0,0000 e + 00


  

  класс Linear (keras.Layers.Layer):
    def __init __ (self, units = 32):
        super (Линейный, сам) .__ init __ ()
        self.units = единицы

    def build (self, input_shape):
        self.w = self.add_weight (
            shape = (input_shape [-1], self.units),
            инициализатор = "random_normal",
            trainable = True,
        )
        self.b = self.add_weight (
            shape = (self.units,), initializer = "random_normal", trainable = True
        )

    вызов def (self, вводы):
        return tf.matmul (входы, self.w) + self.б

    def get_config (сам):
        return {"units": self.units}


# Теперь вы можете воссоздать слой из его конфигурации:
слой = Линейный (64)
config = layer.get_config ()
печать (конфигурация)
new_layer = Linear.from_config (конфигурация)
  

  класс Linear (keras.Layers.Layer):
    def __init __ (self, units = 32, ** kwargs):
        super (Линейный, сам) .__ init __ (** kwargs)
        self.units = единицы

    def build (self, input_shape):
        self.w = self.add_weight (
            shape = (input_shape [-1], self.units),
            инициализатор = "random_normal",
            trainable = True,
        )
        self.b = self.add_weight (
            shape = (self.units,), initializer = "random_normal", trainable = True
        )

    вызов def (self, вводы):
        return tf.matmul (входы, self.w) + self.b

    def get_config (сам):
        config = super (линейный, сам) .get_config ()
        config.update ({"единицы": self.units})
        вернуть конфигурацию


слой = Линейный (64)
config = layer.get_config ()
печать (конфигурация)
new_layer = Linear.from_config (конфигурация)
  

  {'name': 'linear_8', 'trainable': True, 'dtype': 'float32', 'units': 64}
  

  по умолчанию from_config (cls, config):
  return cls (** config)
  

  класс CustomDropout (keras.layers.Layer):
    def __init __ (self, rate, ** kwargs):
        super (CustomDropout, self) .__ init __ (** kwargs)
        себя.ставка = ставка

    def call (self, inputs, training = None):
        если обучение:
            return tf.nn.dropout (входы, скорость = self.rate)
        возврат входов
  

  класс ResNet (tf.keras.Model):

    def __init __ (self, num_classes = 1000):
        super (ResNet, сам) .__ init __ ()
        self.block_1 = ResNetBlock ()
        self.block_2 = ResNetBlock ()
        self.global_pool = Layers.GlobalAveragePooling2D ()
        self.classifier = Плотный (количество_классов)

    вызов def (self, вводы):
        x = self.block_1 (входы)
        х = self.block_2 (х)
        x = self.global_pool (x)
        вернуть self.classifier (x)


resnet = ResNet ()
набор данных = ...
resnet.fit (набор данных, эпох = 10)
реснет.сохранить (путь к файлу)
  

  из tensorflow.слои импорта keras


класс Sampling (Layers.Layer):
    "" "Использует (z_mean, z_log_var) для выборки z, вектора, кодирующего цифру." ""

    вызов def (self, вводы):
        z_mean, z_log_var = входы
        batch = tf.shape (z_mean) [0]
        dim = tf.shape (z_mean) [1]
        epsilon = tf.keras.backend.random_normal (shape = (партия, тусклый))
        вернуть z_mean + tf.exp (0.5 * z_log_var) * epsilon


класс Encoder (слои.Layer):
    "" "Отображает цифры MNIST в тройку (z_mean, z_log_var, z)." ""

    def __init __ (self, latent_dim = 32, intermediate_dim = 64, name = "encoder", ** kwargs):
        super (кодировщик, сам).__init __ (name = name, ** kwargs)
        self.dense_proj = Layers.Dense (Intermediate_dim, Activation = "relu")
        self.dense_mean = Layers.Dense (latent_dim)
        self.dense_log_var = Layers.Dense (latent_dim)
        self.sampling = Выборка ()

    вызов def (self, вводы):
        x = self.dense_proj (входные данные)
        z_mean = self.dense_mean (x)
        z_log_var = self.dense_log_var (x)
        z = self.sampling ((z_mean, z_log_var))
        вернуть z_mean, z_log_var, z


класс Decoder (слои.Layer):
    "" "Преобразует z, вектор закодированных цифр, обратно в читаемую цифру."" "

    def __init __ (self, original_dim, intermediate_dim = 64, name = "decoder", ** kwargs):
        super (Декодер, сам) .__ init __ (name = name, ** kwargs)
        self.dense_proj = Layers.Dense (Intermediate_dim, Activation = "relu")
        self.dense_output = Layers.Dense (исходный_дим, активация = "сигмоид")

    вызов def (self, вводы):
        x = self.dense_proj (входные данные)
        вернуть self.dense_output (x)


класс VariationalAutoEncoder (keras.Model):
    "" "Объединяет кодировщик и декодер в сквозную модель для обучения."" "

    def __init __ (
        себя,
        original_dim,
        промежуточный_дим = 64,
        latent_dim = 32,
        name = "автоэнкодер",
        ** kwargs
    ):
        super (VariationalAutoEncoder, self) .__ init __ (имя = имя, ** kwargs)
        self.original_dim = original_dim
        self.encoder = Кодировщик (latent_dim = latent_dim, intermediate_dim = intermediate_dim)
        self.decoder = Декодер (исходный_дим, промежуточный_дим = промежуточный_дим)

    вызов def (self, вводы):
        z_mean, z_log_var, z = self.энкодер (входы)
        реконструировано = self.decoder (z)
        # Добавить потерю регуляризации дивергенции KL.
        kl_loss = -0,5 * tf.reduce_mean (
            z_log_var - tf.square (z_mean) - tf.exp (z_log_var) + 1
        )
        self.add_loss (kl_loss)
        возвращение реконструировано
  

  original_dim = 784
vae = VariationalAutoEncoder (исходный_дим, 64, 32)

optimizer = tf.keras.optimizers.Adam (learning_rate = 1e-3)
mse_loss_fn = tf.keras.losses.MeanSquaredError ()

loss_metric = tf.keras.metrics.Mean ()

(x_train, _), _ = tf.keras.datasets.mnist.load_data ()
x_train = x_train.reshape (60000, 784) .astype ("float32") / 255

train_dataset = tf.data.Dataset.from_tensor_slices (x_train)
train_dataset = train_dataset.shuffle (размер_буфера = 1024) .batch (64)

эпох = 2

# Перебираем эпохи.
для эпохи в диапазоне (эпох):
    print ("Начало эпохи% d"% (эпоха,))

    # Перебираем пакеты набора данных.
    для шага x_batch_train в перечислении (train_dataset):
        с тф.GradientTape () как лента:
            реконструировано = vae (x_batch_train)
            # Вычислить потерю реконструкции
            loss = mse_loss_fn (x_batch_train, реконструировано)
            loss + = sum (vae.losses) # Добавить убыток от регуляризации KLD

        grads = tape.gradient (потеря, vae.trainable_weights)
        optimizer.apply_gradients (zip (grads, vae.trainable_weights))

        loss_metric (убыток)

        если шаг% 100 == 0:
            print ("шаг% d: средняя потеря =% .4f"% (шаг, loss_metric.result ()))
  

  Начало эпохи 0
шаг 0: средняя потеря = 0.3431
шаг 100: средняя потеря = 0,1273
шаг 200: средний убыток = 0,1001
шаг 300: средняя потеря = 0,0897
шаг 400: средняя потеря = 0,0847
шаг 500: средняя потеря = 0,0812
шаг 600: средняя потеря = 0,0790
шаг 700: средняя потеря = 0,0774
шаг 800: средняя потеря = 0,0762
шаг 900: средняя потеря = 0,0751
Начало эпохи 1
шаг 0: средняя потеря = 0,0748
шаг 100: средняя потеря = 0,0742
шаг 200: средняя потеря = 0,0737
шаг 300: средняя потеря = 0,0732
шаг 400: средняя потеря = 0,0728
шаг 500: средняя потеря = 0,0724
шаг 600: средняя потеря = 0,0721
шаг 700: средняя потеря = 0.0718
шаг 800: средняя потеря = 0,0716
шаг 900: средняя потеря = 0,0713
  

  vae = VariationalAutoEncoder (784, 64, 32)

optimizer = tf.keras.optimizers.Adam (learning_rate = 1e-3)

vae.compile (оптимизатор, loss = tf.keras.losses.MeanSquaredError ())
vae.fit (x_train, x_train, epochs = 2, batch_size = 64)
  

  Эпоха 1/2
938/938 [==============================] - 2 с 2 мс / шаг - потеря: 0.0747
Эпоха 2/2
938/938 [==============================] - 2 с 2 мс / шаг - потеря: 0,0676


  

  original_dim = 784
промежуточный_дим = 64
latent_dim = 32

# Определить модель кодировщика.original_inputs = tf.keras.Input (shape = (original_dim,), name = "encoder_input")
x = Layers.Dense (Intermediate_dim, Activation = "relu") (original_inputs)
z_mean = Layers.Dense (latent_dim, name = "z_mean") (x)
z_log_var = Layers.Dense (latent_dim, name = "z_log_var") (x)
z = Выборка () ((z_mean, z_log_var))
кодировщик = tf.keras.Model (входы = исходные_входы, выходы = z, имя = "кодировщик")

# Определить модель декодера.
latent_inputs = tf.keras.Input (shape = (latent_dim,), name = "z_sampling")
x = Layers.Dense (Intermediate_dim, Activation = "relu") (latent_inputs)
выходы = слои.Плотный (исходный_дим, активация = "сигмоид") (х)
decoder = tf.keras.Model (входы = скрытые_входы, выходы = выходы, name = "декодер")

# Определить модель VAE.
выходы = декодер (z)
vae = tf.keras.Model (входы = исходные_входы, выходы = выходы, name = "vae")

# Добавить потерю регуляризации дивергенции KL.
kl_loss = -0.5 * tf.reduce_mean (z_log_var - tf.square (z_mean) - tf.exp (z_log_var) + 1)
vae.add_loss (kl_loss)

# Тренироваться.
optimizer = tf.keras.optimizers.Adam (learning_rate = 1e-3)
vae.compile (оптимизатор, loss = tf.keras.losses.MeanSquaredError ())
vae.fit (x_train, x_train, epochs = 3, batch_size = 64)
  

  Эпоха 1/3
938/938 [==============================] - 2 с 1 мс / шаг - потеря: 0,0746
Эпоха 2/3
938/938 [==============================] - 1 с 1 мс / шаг - потеря: 0,0676
Эпоха 3/3
938/938 [==============================] - 1 с 1 мс / шаг - потеря: 0,0676


  

  из torch.nn.modules.module import _addindent
импортный фонарик
импортировать numpy как np
def torch_summarize (модель, show_weights = True, show_parameters = True):
    "" "Обобщает модель резака, показывая обучаемые параметры и веса." ""
    tmpstr = модель .__ класс __.__ имя__ + '(\ n'
    для ключа, модуль в model._modules.items ():
        # если он содержит слои, позвольте вызвать его рекурсивно, чтобы получить параметры и веса
        если тип (модуль) в [
            факел.nn.modules.container.Container,
            torch.nn.modules.container.Sequential
        ]:
            modstr = torch_summarize (модуль)
        еще:
            modstr = модуль .__ repr __ ()
        modstr = _addindent (modstr, 2)

        params = sum ([np.prod (p.size ()) для p в module.parameters ()])
        веса = кортеж ([кортеж (p.size ()) для p в module.parameters ()])

        tmpstr + = '(' + ключ + '):' + modstr
        если show_weights:
            tmpstr + = ', weights = {}'. формат (веса)
        если show_parameters:
            tmpstr + = ', параметры = {}'.формат (параметры)
        tmpstr + = '\ п'

    tmpstr = tmpstr + ')'
    вернуть tmpstr

# Тестовое задание
импортировать torchvision.models как модели
модель = models.alexnet ()
печать (torch_summarize (модель))

# # Выход
# AlexNet (
# (особенности): Последовательный (
# (0): Conv2d (3, 64, размер ядра = (11, 11), stride = (4, 4), padding = (2, 2)), weights = ((64, 3, 11, 11), ( 64,)), параметры = 23296
# (1): ReLU (на месте), веса = (), параметры = 0
# (2): MaxPool2d (размер = (3, 3), шаг = (2, 2), расширение = (1, 1)), веса = (), параметры = 0
# (3): Conv2d (64, 192, размер ядра = (5, 5), stride = (1, 1), padding = (2, 2)), weights = ((192, 64, 5, 5), ( 192,)), параметры = 307392
# (4): ReLU (на месте), веса = (), параметры = 0
# (5): MaxPool2d (размер = (3, 3), шаг = (2, 2), расширение = (1, 1)), веса = (), параметры = 0
# (6): Conv2d (192, 384, kernel_size = (3, 3), stride = (1, 1), padding = (1, 1)), weights = ((384, 192, 3, 3), ( 384,)), параметры = 663936
# (7): ReLU (на месте), веса = (), параметры = 0
# (8): Conv2d (384, 256, kernel_size = (3, 3), stride = (1, 1), padding = (1, 1)), weights = ((256, 384, 3, 3), ( 256,)), параметры = 884992
# (9): ReLU (на месте), веса = (), параметры = 0
# (10): Conv2d (256, 256, размер ядра = (3, 3), stride = (1, 1), padding = (1, 1)), weights = ((256, 256, 3, 3), ( 256,)), параметры = 5

# (11): ReLU (на месте), веса = (), параметры = 0
# (12): MaxPool2d (размер = (3, 3), шаг = (2, 2), расширение = (1, 1)), веса = (), параметры = 0
#), веса = ((64, 3, 11, 11), (64,), (192, 64, 5, 5), (192,), (384, 192, 3, 3), (384,)) , (256, 384, 3, 3), (256,), (256, 256, 3, 3), (256,)), параметры = 2469696
# (классификатор): Последовательный (
# (0): выпадение (p = 0.5), веса = (), параметры = 0
# (1): линейный (9216 -> 4096), веса = ((4096, 9216), (4096,)), параметры = 37752832
# (2): ReLU (на месте), веса = (), параметры = 0
# (3): выпадение (p = 0,5), веса = (), параметры = 0
# (4): Линейный (4096 -> 4096), веса = ((4096, 4096), (4096,)), параметры = 16781312
# (5): ReLU (на месте), веса = (), параметры = 0
# (6): Линейный (4096 -> 1000), веса = ((1000, 4096), (1000,)), параметры = 4097000
#), веса = ((4096, 9216), (4096,), (4096, 4096), (4096,), (1000, 4096), (1000,)), параметры = 58631144
#)