提高换热器传热效率的途径？
目前主要***用下述措施：
1、研究应用强化传热技术,扩展传热面积和提高传热表面的传热性能;
2、改变换热器折流板结构(折流杆技术等)以提高壳程的传热膜系数,增加介质的湍流性,防止介质走短流;
3换热管内外表面防污垢技术(防污垢涂层技术).
4、应用数值传热技术的研究.目前研究应用强化传热技术是提高传热效率很有效的一种技术措施,本文主要讨论应用强化传热技术对换热器进行改进.所谓换热器传热强化或增强传热是指通过对影响传热的各种因素的分析与计算,***取某些技术措施以提高换热设备的传热量或者在满足原有传热量条件下,使它的体积缩小.
在DL中为什么将数据集分为训练集，开发集，测试集，可以提高迭代效率吗？
首先，不是为了减少运算量，绝大多数情况下，对于深度学习而言困扰都在于优秀的数据太少，而不会嫌多，数据比计算力更为值钱。然后，这样做主要是为了提高和验证网络的泛化能力。DL有非常强大的拟合能力，只要见过的数据通常都能记住，因此训练阶段一般准确率可以接近100%，但是你还需要保证他能够处理没有见过的样本，例如识别花朵的神经网络，你不可能把世界上的所有花都找来，因此需要用验证集（调整Hyperparamerter）和测试集（最终验证）来确保它具有这个能力。我举个简单的例子，这就是课后作业、期末考试、高考这三者之间的关系。
（图片来源网络，侵删）
课后作业（训练集）：让你学会知识（网络收敛）
期末考试（验证集）：让你检验自己是否真的学会了，发现了问题之后，你会调整学习方法（调整Hyperparameter）
高考（测试集）：这是最终的测试，在你没见过的题上究竟能做到什么程度（泛化能力），且不再给你调整的机会。
（图片来源网络，侵删）
题外话：要确保三个数据集独立同分布，这样才能确保泛化能力
