关于网站设计,广州做进口商品的网站,网络营销软文,厦门市建设局网站#x1f368; 本文为[#x1f517;365天深度学习训练营学习记录博客 #x1f366; 参考文章#xff1a;365天深度学习训练营 #x1f356; 原作者#xff1a;[K同学啊 | 接辅导、项目定制]\n#x1f680; 文章来源#xff1a;[K同学的学习圈子](https://www.yuque.com/… 本文为[365天深度学习训练营学习记录博客 参考文章365天深度学习训练营 原作者[K同学啊 | 接辅导、项目定制]\n 文章来源[K同学的学习圈子](https://www.yuque.com/mingtian-fkmxf/zxwb45) 一、加载数据 import torch
import torch.nn as nn
import torchvision
from torchvision import transforms, datasets
import os,PIL,pathlib,warningswarnings.filterwarnings(ignore) #忽略警告信息device torch.device(cuda if torch.cuda.is_available() else cpu)
print(device)import pandas as pd# 加载自定义中文数据
train_data pd.read_csv(D:/train.csv, sep\t, headerNone)
print(train_data) 二、构造数据迭代器
# 构造数据集迭代器
def coustom_data_iter(texts, labels):for x, y in zip(texts, labels):yield x, yx train_data[0].values[:]
#多类标签的one-hot展开
y train_data[1].values[:]
print(x,\n,y)
yield x, y使用 yield 关键字将每次迭代得到的 (x, y) 元组作为迭代器的输出。yield 的作用类似于 return但不同之处在于它会暂停函数的执行并将结果发送给调用方但函数的状态会被保留以便下次调用时从上次离开的地方继续执行。 三、构建词典
from gensim.models.word2vec import Word2Vec
import numpy as np# 训练 Word2Vec 浅层神经网络模型
w2v Word2Vec(vector_size100, #是指特征向量的维度默认为100。min_count3) #可以对字典做截断. 词频少于min_count次数的单词会被丢弃掉, 默认值为5。w2v.build_vocab(x)
w2v.train(x, total_examplesw2v.corpus_count, epochs20)
Word2Vec可以直接训练模型一步到位。这里分了三步 Word2Vec(vector_size100, min_count3): 创建了一个Word2Vec对象设置了词向量的维度为100同时设置了词频最小值为3即只有在训练语料中出现次数不少于3次的词才会被考虑。 w2v.build_vocab(x): 使用 build_vocab 方法根据输入的文本数据 x 构建词典。build_vocab 方法会统计输入文本中每个词汇出现的次数并按照词频从高到低的顺序将词汇加入词典中。 w2v.train(x, total_examplesw2v.corpus_count, epochs20): 训练Word2Vec模型其中
x是训练数据。total_examplesw2v.corpus_count:total_examples 参数指定了训练时使用的文本数量这里使用的是 w2v.corpus_count 属性表示输入文本的数量epochs20指定了训练的轮数每轮对整个数据集进行一次训练。
# 将文本转化为向量
def average_vec(text):vec np.zeros(100).reshape((1, 100))for word in text:try:vec w2v.wv[word].reshape((1, 100))except KeyError:continuereturn vec# 将词向量保存为 Ndarray
x_vec np.concatenate([average_vec(z) for z in x])# 保存 Word2Vec 模型及词向量
w2v.save(w2v_model.pkl)
这段代码逐步完成了将文本转化为词向量的过程并保存了Word2Vec模型及词向量。 average_vec(text): 这个函数接受一个文本列表作为输入并返回一个平均词向量。它首先创建了一个形状为 (1, 100) 的全零NumPy数组 vec用于存储文本的词向量的累加和。然后它遍历文本中的每个词尝试从已经训练好的Word2Vec模型中获取词向量如果词在模型中存在则将其词向量加到 vec 中。如果词不在模型中KeyError异常则跳过该词。最后返回词向量的平均值。 x_vec np.concatenate([average_vec(z) for z in x]): 这一行代码使用列表推导式对数据集中的每个文本 z 调用 average_vec 函数得到文本的词向量表示。然后使用 np.concatenate 函数将这些词向量连接成一个大的NumPy数组 x_vec。这个数组的形状是 (样本数, 100)其中样本数是数据集中文本的数量。 w2v.save(w2v_model.pkl): 这一行代码保存了训练好的Word2Vec模型及词向量。w2v.save() 方法将整个Word2Vec模型保存到文件中。
train_iter coustom_data_iter(x_vec, y)
print(len(x),len(x_vec)) train_iter coustom_data_iter(x_vec, y): 这行代码创建了一个名为 train_iter 的迭代器用于迭代训练数据。它调用了一个名为 coustom_data_iter 的函数该函数接受两个参数 x_vec 和 y分别表示训练样本的特征和标签。在这个上下文中x_vec 是一个NumPy数组包含了训练样本的特征向量表示y 是一个数组包含了训练样本的标签。该迭代器将用于训练模型。 print(len(x),len(x_vec)): 这行代码打印了训练数据的长度即 x 的长度和 x_vec 的长度。在这里len(x) 表示训练样本的数量len(x_vec) 表示每个样本的特征向量的长度通常表示特征的维度。这行代码的目的是用于验证数据的准备是否正确以及特征向量的维度是否与预期一致。 label_name list(set(train_data[1].values[:]))
print(label_name) 四、生成数据批次和迭代器
text_pipeline lambda x: average_vec(x)
label_pipeline lambda x: label_name.index(x)
print(text_pipeline(你在干嘛))
print(label_pipeline(Travel-Query)) text_pipeline lambda x: average_vec(x): 这一行定义了一个名为 text_pipeline 的匿名函数lambda函数它接受一个参数 x文本数据。在函数体内部它调用了前面定义的 average_vec 函数将文本数据 x 转换为词向量的平均值。 label_pipeline lambda x: label_name.index(x): 这一行定义了另一个匿名函数 label_pipeline它接受一个参数 x该参数表示标签数据。在函数体内部它调用了 index 方法来查找标签在 label_name 列表中的索引并返回该索引值。 print(text_pipeline(你在干嘛)): 这行代码调用了 text_pipeline 函数将字符串 你在干嘛 作为参数传递给函数。函数会将这个文本转换为词向量的平均值并打印出来。 print(label_pipeline(Travel-Query)): 这行代码调用了 label_pipeline 函数将字符串 Travel-Query 作为参数传递给函数。函数会在 label_name 列表中查找 Travel-Query 的索引并打印出来。 from torch.utils.data import DataLoaderdef collate_batch(batch):label_list, text_list [], []for (_text, _label) in batch:# 标签列表label_list.append(label_pipeline(_label))# 文本列表processed_text torch.tensor(text_pipeline(_text), dtypetorch.float32)text_list.append(processed_text)label_list torch.tensor(label_list, dtypetorch.int64)text_list torch.cat(text_list)return text_list.to(device),label_list.to(device)# 数据加载器调用示例
dataloader DataLoader(train_iter,batch_size8,shuffle False,collate_fncollate_batch) text_pipeline lambda x: average_vec(x): 这行代码创建了一个名为 text_pipeline 的匿名函数该函数接受一个参数 x表示文本数据。在这里text_pipeline 函数被定义为 average_vec(x)即调用之前定义的 average_vec 函数用来将文本转换为向量表示。 label_pipeline lambda x: label_name.index(x): 这行代码创建了一个名为 label_pipeline 的匿名函数该函数接受一个参数 x表示标签数据。在这里label_pipeline 函数被定义为 label_name.index(x)即查找 x 在 label_name 列表中的索引返回其索引值作为标签的表示。 collate_batch(batch): 这是一个自定义的函数用于处理一个批次batch的数据。它接受一个批次的数据作为输入并对数据进行处理最后返回处理后的文本和标签列表。 在 collate_batch 函数中 首先创建了两个空列表 label_list 和 text_list用于存储标签和文本数据。然后对批次中的每个样本进行遍历提取样本的文本和标签。对于标签部分调用了 label_pipeline 函数将标签转换为模型可接受的格式并添加到 label_list 中。对于文本部分调用了 text_pipeline 函数将文本转换为向量表示并转换为 PyTorch 张量格式并添加到 text_list 中。最后将 label_list 转换为 PyTorch 整数张量格式将 text_list 进行拼接并转换为 PyTorch 浮点数张量格式并返回这两个张量。 dataloader DataLoader(train_iter, batch_size8, shuffleFalse, collate_fncollate_batch): 这行代码创建了一个 PyTorch 的数据加载器 DataLoader用于加载训练数据。其中参数说明如下 train_iter 是之前定义的用于迭代训练数据的迭代器。batch_size8 指定了每个批次的样本数量为 8。shuffleFalse 表示不对数据进行洗牌即不打乱样本的顺序。collate_fncollate_batch 指定了数据加载器在每个批次加载数据时调用的数据处理函数为 collate_batch 函数用于处理每个批次的数据。 五、构建模型
from torch import nnclass TextClassificationModel(nn.Module):def __init__(self, num_class):super(TextClassificationModel, self).__init__()self.fc nn.Linear(100, num_class)def forward(self, text):return self.fc(text)num_class len(label_name)
vocab_size 100000
em_size 12
model TextClassificationModel(num_class).to(device)import timedef train(dataloader):model.train() # 切换为训练模式total_acc, train_loss, total_count 0, 0, 0log_interval 50start_time time.time()for idx, (text,label) in enumerate(dataloader):predicted_label model(text)optimizer.zero_grad() # grad属性归零loss criterion(predicted_label, label) # 计算网络输出和真实值之间的差距label为真实值loss.backward() # 反向传播torch.nn.utils.clip_grad_norm_(model.parameters(), 0.1) # 梯度裁剪optimizer.step() # 每一步自动更新# 记录acc与losstotal_acc (predicted_label.argmax(1) label).sum().item()train_loss loss.item()total_count label.size(0)if idx % log_interval 0 and idx 0:elapsed time.time() - start_timeprint(| epoch {:1d} | {:4d}/{:4d} batches | train_acc {:4.3f} train_loss {:4.5f}.format(epoch, idx,len(dataloader),total_acc/total_count, train_loss/total_count))total_acc, train_loss, total_count 0, 0, 0start_time time.time()def evaluate(dataloader):model.eval() # 切换为测试模式total_acc, train_loss, total_count 0, 0, 0with torch.no_grad():for idx, (text,label) in enumerate(dataloader):predicted_label model(text)loss criterion(predicted_label, label) # 计算loss值# 记录测试数据total_acc (predicted_label.argmax(1) label).sum().item()train_loss loss.item()total_count label.size(0)return total_acc/total_count, train_loss/total_count
六、训练模型
from torch.utils.data.dataset import random_split
from torchtext.data.functional import to_map_style_dataset
# 超参数
EPOCHS 10 # epoch
LR 5 # 学习率
BATCH_SIZE 64 # batch size for trainingcriterion torch.nn.CrossEntropyLoss()
optimizer torch.optim.SGD(model.parameters(), lrLR)
scheduler torch.optim.lr_scheduler.StepLR(optimizer, 1.0, gamma0.1)
total_accu None# 构建数据集
train_iter coustom_data_iter(train_data[0].values[:], train_data[1].values[:])
train_dataset to_map_style_dataset(train_iter)split_train_, split_valid_ random_split(train_dataset,[int(len(train_dataset)*0.8),int(len(train_dataset)*0.2)])train_dataloader DataLoader(split_train_, batch_sizeBATCH_SIZE,shuffleTrue, collate_fncollate_batch)valid_dataloader DataLoader(split_valid_, batch_sizeBATCH_SIZE,shuffleTrue, collate_fncollate_batch)for epoch in range(1, EPOCHS 1):epoch_start_time time.time()train(train_dataloader)val_acc, val_loss evaluate(valid_dataloader)# 获取当前的学习率lr optimizer.state_dict()[param_groups][0][lr]if total_accu is not None and total_accu val_acc:scheduler.step()else:total_accu val_accprint(- * 69)print(| epoch {:1d} | time: {:4.2f}s | valid_acc {:4.3f} valid_loss {:4.3f} | lr {:4.6f}.format(epoch,time.time() - epoch_start_time,val_acc,val_loss,lr))print(- * 69)test_acc, test_loss evaluate(valid_dataloader)
print(模型准确率为{:5.4f}.format(test_acc))
| epoch 1 | 50/ 152 batches | train_acc 0.732 train_loss 0.02655
| epoch 1 | 100/ 152 batches | train_acc 0.822 train_loss 0.01889
| epoch 1 | 150/ 152 batches | train_acc 0.838 train_loss 0.01798
---------------------------------------------------------------------
| epoch 1 | time: 0.93s | valid_acc 0.812 valid_loss 0.019 | lr 5.000000
---------------------------------------------------------------------
| epoch 2 | 50/ 152 batches | train_acc 0.840 train_loss 0.01745
| epoch 2 | 100/ 152 batches | train_acc 0.843 train_loss 0.01807
| epoch 2 | 150/ 152 batches | train_acc 0.843 train_loss 0.01846
---------------------------------------------------------------------
| epoch 2 | time: 1.01s | valid_acc 0.854 valid_loss 0.020 | lr 5.000000
---------------------------------------------------------------------
| epoch 3 | 50/ 152 batches | train_acc 0.850 train_loss 0.01770
| epoch 3 | 100/ 152 batches | train_acc 0.850 train_loss 0.01675
| epoch 3 | 150/ 152 batches | train_acc 0.859 train_loss 0.01565
---------------------------------------------------------------------
| epoch 3 | time: 0.98s | valid_acc 0.836 valid_loss 0.023 | lr 5.000000
---------------------------------------------------------------------
| epoch 4 | 50/ 152 batches | train_acc 0.898 train_loss 0.00972
| epoch 4 | 100/ 152 batches | train_acc 0.892 train_loss 0.00936
| epoch 4 | 150/ 152 batches | train_acc 0.900 train_loss 0.00948
---------------------------------------------------------------------
| epoch 4 | time: 0.91s | valid_acc 0.879 valid_loss 0.011 | lr 0.500000
---------------------------------------------------------------------
| epoch 5 | 50/ 152 batches | train_acc 0.911 train_loss 0.00679
| epoch 5 | 100/ 152 batches | train_acc 0.899 train_loss 0.00786
| epoch 5 | 150/ 152 batches | train_acc 0.903 train_loss 0.00752
---------------------------------------------------------------------
| epoch 5 | time: 0.91s | valid_acc 0.879 valid_loss 0.010 | lr 0.500000
---------------------------------------------------------------------
| epoch 6 | 50/ 152 batches | train_acc 0.905 train_loss 0.00692
| epoch 6 | 100/ 152 batches | train_acc 0.915 train_loss 0.00595
| epoch 6 | 150/ 152 batches | train_acc 0.910 train_loss 0.00615
---------------------------------------------------------------------
| epoch 6 | time: 0.90s | valid_acc 0.880 valid_loss 0.010 | lr 0.050000
---------------------------------------------------------------------
| epoch 7 | 50/ 152 batches | train_acc 0.907 train_loss 0.00615
| epoch 7 | 100/ 152 batches | train_acc 0.911 train_loss 0.00602
| epoch 7 | 150/ 152 batches | train_acc 0.908 train_loss 0.00632
---------------------------------------------------------------------
| epoch 7 | time: 0.92s | valid_acc 0.881 valid_loss 0.009 | lr 0.050000
---------------------------------------------------------------------
| epoch 8 | 50/ 152 batches | train_acc 0.903 train_loss 0.00656
| epoch 8 | 100/ 152 batches | train_acc 0.915 train_loss 0.00582
| epoch 8 | 150/ 152 batches | train_acc 0.912 train_loss 0.00578
---------------------------------------------------------------------
| epoch 8 | time: 0.93s | valid_acc 0.881 valid_loss 0.009 | lr 0.050000
---------------------------------------------------------------------
| epoch 9 | 50/ 152 batches | train_acc 0.903 train_loss 0.00653
| epoch 9 | 100/ 152 batches | train_acc 0.913 train_loss 0.00595
| epoch 9 | 150/ 152 batches | train_acc 0.914 train_loss 0.00549
---------------------------------------------------------------------
| epoch 9 | time: 0.93s | valid_acc 0.877 valid_loss 0.009 | lr 0.050000
---------------------------------------------------------------------
| epoch 10 | 50/ 152 batches | train_acc 0.911 train_loss 0.00565
| epoch 10 | 100/ 152 batches | train_acc 0.908 train_loss 0.00584
| epoch 10 | 150/ 152 batches | train_acc 0.909 train_loss 0.00604
---------------------------------------------------------------------
| epoch 10 | time: 0.91s | valid_acc 0.878 valid_loss 0.009 | lr 0.005000
---------------------------------------------------------------------
模型准确率为0.8781
七、测试指定数据
def predict(text, text_pipeline):with torch.no_grad():text torch.tensor(text_pipeline(text), dtypetorch.float32)print(text.shape)output model(text)return output.argmax(1).item()# ex_text_str 随便播放一首专辑阁楼里的佛里的歌
ex_text_str 还有双鸭山到淮阴的汽车票吗13号的model model.to(cpu)print(该文本的类别是%s %label_name[predict(ex_text_str, text_pipeline)])
