设计参考图哪个网站好_自己开发app挣钱吗_北京百度推广代理_苏州seo建站

>- **🍨 本文为[🔗365天深度学习训练营]中的学习记录博客**
>- **🍖 原作者：[K同学啊]**

本人往期文章可查阅：深度学习总结

一、准备工作

🏡 我的环境：

语言环境：Python3.11

编译器：PyCharm

深度学习环境：Pytorch

- torch==2.0.0+cu118

- torchvision==0.18.1+cu118
显卡：NVIDIA GeForce GTX 1660

1. 任务说明

本次将使用PyTorch实现中文文本分类。主要代码与N1基本一致，不同的是本次任务中使用了本地的中文数据，数据示例如下：

本周任务：

1. 学习如何进行中文文本预处理

2. 根本文本内容（第1列）预测文本标签（第2列）

进阶任务：

1. 尝试根据第一周的内容独立实现，尽可能的不看本文的代码

2. 构建更复杂的网络模型，将准确率提升至91%

与上周不同的地方：

加载的是本地数据
从英文变成了中文
文本标签需要进一步预处理

2. 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")
device

运行结果：

device(type='cuda')

import pandas as pd# 加载自定义中文数据
train_data=pd.read_csv(r'E:/DATABASE/N-series/N6/train.csv',sep='\t',header=None)
train_data.head()

运行结果：

read_csv() 是Pandas 库中用于读取 CSV 文件的函数。

sep='\t'：指定字段分隔符为制表符（\t）。这意味着文件中的数据是以制表符分隔的，而不是默认的逗号（,）。如果文件是标准的 CSV 文件（以逗号分隔），可以省略此参数。

header=None：表示文件中没有标题行（即第一行不是列名）。Pandas 会自动为列生成默认的整数索引（从 0 开始）。如果文件的第一行是列名，可以省略此参数或设置为 header=0。

示例：

假设文件内容如下（以制表符分隔）：
1   2   3
4   5   6
7   8   9
运行上述代码后，train_data 将是一个 Pandas DataFrame，内容如下：
   0  1  2
0  1  2  3
1  4  5  6
2  7  8  9

# 构造数据集迭代器
def coustom_data_iter(texts,labels):for x,y in zip(texts,labels):yield x,ytrain_iter=coustom_data_iter(train_data[0].values[:],train_data[1].values[:])

.values 是 Pandas 中的一个属性，用于将 DataFrame 或 Series 的数据转换为 NumPy 数组。

[:] 表示选择整个数组的所有元素，本质上是一个“全选”操作。

示例：

假设 train_data 是一个包含两列的 DataFrame，如下所示：
   0  1
0  a  1
1  b  2
2  c  3
train_data[0].values[:] 的结果是：
array(['a', 'b', 'c'], dtype=object)
train_data[1].values[:] 的结果是：
array([1, 2, 3])

二、数据预处理

1. 构建词典

需要另外安装 jieba 分词库

from torchtext.data.utils import get_tokenizer
from torchtext.vocab import build_vocab_from_iterator
import jieba# 中文分词方法
tokenizer=jieba.lcutdef yield_tokens(data_iter):for text,_ in data_iter:yield tokenizer(text)vocab=build_vocab_from_iterator(yield_tokens(train_iter),specials=["<unk>"])
# 设置默认索引，如果找不到单词，则会选择默认索引
vocab.set_default_index(vocab["<unk>"])

运行结果：

Building prefix dict from the default dictionary ...
Loading model from cache C:\Users\cyb\AppData\Local\Temp\jieba.cache
Loading model cost 0.620 seconds.
Prefix dict has been built successfully.

vocab(['我','想','看','和平','精英','上','战神','必备','技巧','的','游戏','视频'])

运行结果：

[2, 10, 13, 973, 1079, 146, 7724, 7574, 7793, 1, 186, 28]

label_name=list(set(train_data[1].values[:]))
print(label_name)

运行结果：

['FilmTele-Play', 'Radio-Listen', 'Alarm-Update', 'Audio-Play', 'HomeAppliance-Control', 'Music-Play', 'Travel-Query', 'Video-Play', 'Calendar-Query', 'Other', 'TVProgram-Play', 'Weather-Query']

text_pipeline=lambda x:vocab(tokenizer(x))
label_pipeline=lambda x:label_name.index(x)print(text_pipeline('我想看和平精英上战神必备技巧的游戏视频'))
print(label_pipeline('Video-Play'))

lambda 表达式的语法为：lambda arguments: expression

其中 arguments 是函数的参数，可以有多个参数，用逗号分隔。expression 是一个表达式，它定义了函数的返回值。

text_pipeline函数：将原始文本数据转换为整数列表，使用了之前构建的vocab词表和tokenizer分词器函数。具体来说，它接受一个字符串x作为输入，首先使用tokenizer将其分词，然后将每个词在vocab词表中的索引放入一个列表中返回。
lable_pipeline函数：将原始标签数据转换为整数，它接受一个字符串x作为输入，并使用 label_name.index(x) 方法获取 x 在 label_name 列表中的索引作为输出。

运行结果：

[2, 10, 13, 973, 1079, 146, 7724, 7574, 7793, 1, 186, 28]
7

2. 生成数据批次和迭代器

from torch.utils.data import DataLoaderdef collate_batch(batch):label_list,text_list,offsets=[],[],[0]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),dtype=torch.int64)text_list.append(processed_text)# 偏移量，即语句的总词汇量offsets.append(processed_text.size(0))label_list=torch.tensor(label_list,dtype=torch.int64)text_list=torch.cat(text_list)offsets=torch.tensor(offsets[:-1]).cumsum(dim=0) # 返回维度dim中输入元素的累计和return text_list.to(device),label_list.to(device),offsets.to(device)# 数据加载器，调用示例
dataloader=DataLoader(train_iter,batch_size=8,shuffle=False,collate_fn=collate_batch)

三、构建模型

1. 搭建模型

from torch import nnclass TextClassificationModel(nn.Module):def __init__(self,vocab_size,embed_dim,num_class):super(TextClassificationModel,self).__init__()self.embedding=nn.EmbeddingBag(vocab_size, # 词典大小embed_dim, # 嵌入的维度sparse=False) # 是否使用稀疏矩阵self.fc=nn.Linear(embed_dim,num_class) self.init_weights()def init_weights(self):initrange=0.5self.embedding.weight.data.uniform_(-initrange,initrange) # 初始化权重self.fc.weight.data.uniform_(-initrange,initrange) self.fc.bias.data.zero_()  # 偏置值归零def forward(self,text,offsets):embedded=self.embedding(text,offsets)output=self.fc(embedded)  # 输出层return output

self.embedding.weight.data.uniform_(-initrange,initrange) 这段代码是在PyTorch 框架下用于初始化神经网络的词嵌入层（embedding layer）权重的一种方法。这里使用了均匀分布的随机值来初始化权重，具体来说，其作用如下：

1. self.embedding ：这是神经网络中的词嵌入层（embedding layer）。词嵌入层的作用是将离散的单词表示（通常为整数索引）映射为固定大小的连续向量。这些向量捕捉了单词之间的语义关系，并作为网络的输入。
2. self.embedding.weight ：这是词嵌入层的权重矩阵，它的形状为（vocab_size,embedding_dim），其中 vocab_size 是词汇表的大小，embedding_dim 是嵌入向量的维度。
3. self.embedding.weight.data ：这是权重矩阵的数据部分，我们可以在这里直接操作其底层的张量
4. .uniform_(-initrange,initrange) ：这是一个原地操作（in-place operation），用于将权重矩阵的值用一个均匀分布进行初始化。均匀分布的范围为 [-initrange,initrange] ，其中initrange是一个正数。

通过这种方式初始化词嵌入层的权重，可以使得模型在训练时具有一定的随机性，有助于避免梯度小时或梯度爆炸等问题。在训练过程中，这些权重将通过优化算法不断更新，以捕捉更好的单词表示。

2. 初始化模型

num_class=len(label_name)
vocab_size=len(vocab)
em_size=64
model=TextClassificationModel(vocab_size,em_size,num_class).to(device)

3. 定义训练与评估函数

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,offsets) in enumerate(dataloader):predicted_label=model(text,offsets)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,offsets) in enumerate(dataloader):predicted_label=model(text,offsets)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

torch.nn.utils.clip_grad_norm_(model.parameters(),0.1) 是一个PyTorch函数，用于在训练神经网络时限制梯度的大小。这种操作被称为梯度裁剪（gradient clipping），可以放置梯度爆炸问题，从而提高神经网络的稳定性和性能。

在这个函数中：

model.parameters() 表示模型的所有参数。对于一个神经网络，参数通常包括权重和偏置项。
0.1 是一个指定的阈值，表示梯度的最大范数（L2范数）。如果计算出的梯度范数超过这个阈值，梯度会被缩放，使其范数等于阈值。

梯度裁剪的主要目的是防止梯度爆炸。梯度爆炸通常发生在训练深度神经网络时，尤其是在处理长序列数据的循环神经网络（RNN）中。当梯度爆炸时，参数更新可能会变得非常大，导致模型无法收敛或出现数值不稳定。通过限制梯度的大小，梯度裁剪有助于解决这些问题，使模型训练变得更加稳定。

四、训练模型

1. 拆分数据集并运行模型

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(),lr=LR)
scheduler=torch.optim.lr_scheduler.StepLR(optimizer,1.0,gamma=0.1)
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_size=BATCH_SIZE,shuffle=True,collate_fn=collate_batch)
valid_dataloader=DataLoader(split_valid_,batch_size=BATCH_SIZE,shuffle=True,collate_fn=collate_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)

运行结果：

| epoch: 1 |   50/ 152 batches| train_acc: 0.399 train_loss: 0.03160
| epoch: 1 |  100/ 152 batches| train_acc: 0.699 train_loss: 0.01932
| epoch: 1 |  150/ 152 batches| train_acc: 0.760 train_loss: 0.01433
---------------------------------------------------------------------
| epoch 1 | time: 2.30s |valid_acc: 0.789 valid_loss: 0.012 | lr 5.000000
---------------------------------------------------------------------
| epoch: 2 |   50/ 152 batches| train_acc: 0.811 train_loss: 0.01072
| epoch: 2 |  100/ 152 batches| train_acc: 0.824 train_loss: 0.00970
| epoch: 2 |  150/ 152 batches| train_acc: 0.854 train_loss: 0.00814
---------------------------------------------------------------------
| epoch 2 | time: 1.97s |valid_acc: 0.840 valid_loss: 0.008 | lr 5.000000
---------------------------------------------------------------------
| epoch: 3 |   50/ 152 batches| train_acc: 0.877 train_loss: 0.00700
| epoch: 3 |  100/ 152 batches| train_acc: 0.872 train_loss: 0.00676
| epoch: 3 |  150/ 152 batches| train_acc: 0.885 train_loss: 0.00595
---------------------------------------------------------------------
| epoch 3 | time: 1.71s |valid_acc: 0.867 valid_loss: 0.007 | lr 5.000000
---------------------------------------------------------------------
| epoch: 4 |   50/ 152 batches| train_acc: 0.905 train_loss: 0.00542
| epoch: 4 |  100/ 152 batches| train_acc: 0.910 train_loss: 0.00492
| epoch: 4 |  150/ 152 batches| train_acc: 0.913 train_loss: 0.00464
---------------------------------------------------------------------
| epoch 4 | time: 1.85s |valid_acc: 0.879 valid_loss: 0.006 | lr 5.000000
---------------------------------------------------------------------
| epoch: 5 |   50/ 152 batches| train_acc: 0.931 train_loss: 0.00400
| epoch: 5 |  100/ 152 batches| train_acc: 0.931 train_loss: 0.00384
| epoch: 5 |  150/ 152 batches| train_acc: 0.930 train_loss: 0.00390
---------------------------------------------------------------------
| epoch 5 | time: 1.82s |valid_acc: 0.889 valid_loss: 0.006 | lr 5.000000
---------------------------------------------------------------------
| epoch: 6 |   50/ 152 batches| train_acc: 0.946 train_loss: 0.00315
| epoch: 6 |  100/ 152 batches| train_acc: 0.947 train_loss: 0.00325
| epoch: 6 |  150/ 152 batches| train_acc: 0.948 train_loss: 0.00287
---------------------------------------------------------------------
| epoch 6 | time: 1.81s |valid_acc: 0.891 valid_loss: 0.006 | lr 5.000000
---------------------------------------------------------------------
| epoch: 7 |   50/ 152 batches| train_acc: 0.957 train_loss: 0.00245
| epoch: 7 |  100/ 152 batches| train_acc: 0.958 train_loss: 0.00249
| epoch: 7 |  150/ 152 batches| train_acc: 0.966 train_loss: 0.00239
---------------------------------------------------------------------
| epoch 7 | time: 1.88s |valid_acc: 0.890 valid_loss: 0.006 | lr 5.000000
---------------------------------------------------------------------
| epoch: 8 |   50/ 152 batches| train_acc: 0.974 train_loss: 0.00186
| epoch: 8 |  100/ 152 batches| train_acc: 0.972 train_loss: 0.00189
| epoch: 8 |  150/ 152 batches| train_acc: 0.977 train_loss: 0.00179
---------------------------------------------------------------------
| epoch 8 | time: 1.77s |valid_acc: 0.897 valid_loss: 0.005 | lr 0.500000
---------------------------------------------------------------------
| epoch: 9 |   50/ 152 batches| train_acc: 0.977 train_loss: 0.00180
| epoch: 9 |  100/ 152 batches| train_acc: 0.974 train_loss: 0.00178
| epoch: 9 |  150/ 152 batches| train_acc: 0.978 train_loss: 0.00174
---------------------------------------------------------------------
| epoch 9 | time: 1.84s |valid_acc: 0.900 valid_loss: 0.005 | lr 0.500000
---------------------------------------------------------------------
| epoch: 10 |   50/ 152 batches| train_acc: 0.977 train_loss: 0.00174
| epoch: 10 |  100/ 152 batches| train_acc: 0.975 train_loss: 0.00176
| epoch: 10 |  150/ 152 batches| train_acc: 0.978 train_loss: 0.00166
---------------------------------------------------------------------
| epoch 10 | time: 2.00s |valid_acc: 0.900 valid_loss: 0.005 | lr 0.500000
---------------------------------------------------------------------

torchtext.data.functional.to_map_style_dataset 函数的作用是将一个迭代式的数据集（Iterable-style dataset）转换为映射式的数据集（Map-style dataset）。这个转换使得我们可以通过索引（例如：整数）更方便地访问数据集中的元素。

在PyTorch中，数据集可以分为两种类型：Iterable-style 和 Map-style 。Iterable-style 数据集实现了 __iter__() 方法，可以迭代访问数据集中的元素，但不支持通过索引访问。而 Map-style 数据集实现了 __getitem__() 和 __len__() 方法，可以直接通过索引访问特定元素，并能获取数据集的大小。

TorchText 是 PyTorch 的一个扩展库，专注于处理文本数据。torchtext.data.functional 中的 to_map_style_dataset 函数可以帮助我们将一个 Iterable-style 数据集转换为一个易于操作的 Map-style 数据集。这样，我们可以通过索引直接访问数据集中的特定样本，从而简化了训练、验证和测试过程中的数据处理。

test_acc,test_loss=evaluate(valid_dataloader)
print('模型准确率为：{:5.4f}'.format(test_acc))

运行结果：

模型准确率为：0.8913

2. 测试指定数据

def predict(text,text_pipeline):with torch.no_grad():text=torch.tensor(text_pipeline(text))output=model(text,torch.tensor([0]))return output.argmax(1).item()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)])

运行结果：

该文本的类别是：Travel-Query

五、心得体会

加深了对文本分类的理解。但准确率一直没有达到理想的91%以上。中间尝试将更换优化器，但发现还是SGD结果更理想一些；也调整了学习率，结果依然不理想；还尝试修改模型，加深网络深度，添加激活函数和正则化，加入残差模块等，结果依然无法突破90%。

class ResidualBlock(nn.Module):def __init__(self,input_dim,output_dim):super(ResidualBlock,self).__init__()self.fc1=nn.Linear(input_dim,output_dim)self.relu=nn.ReLU()self.fc2=nn.Linear(output_dim,output_dim)self.dropout=nn.Dropout(0.5)# 如果输入和输出维度不一致，需要一个线性层来匹配维度if input_dim!=output_dim:self.match_dim=nn.Linear(input_dim,output_dim)else:self.match_dim=Nonedef forward(self,x):residual=xout=self.relu(self.fc1(x))out=self.dropout(out)out=self.fc2(out)# 如果输入和输出维度不一直，通过 match_dim 层调整维度if self.match_dim is not None:residual=self.match_dim(residual)out+=residual  # 残差连接output=self.relu(out)return outputclass TextClassificationModel(nn.Module):def __init__(self, vocab_size, embed_dim, num_class):super(TextClassificationModel, self).__init__()self.embedding = nn.EmbeddingBag(vocab_size,  # 词典大小embed_dim,  # 嵌入的维度sparse=False)  # 是否使用稀疏矩阵self.block1=ResidualBlock(embed_dim,256)self.block2=ResidualBlock(256,128)self.block3=ResidualBlock(128,64)self.fc=nn.Linear(64,num_class)def forward(self, text, offsets):embedded = self.embedding(text, offsets)out=self.block1(embedded)out=self.block2(out)out=self.block3(out)output=self.fc(out)return output

如上所示，运行结果反不如开始：

总体而言，未能完成进阶任务中达到91%准确率的目标，留待以后再次测试。

设计参考图哪个网站好_自己开发app挣钱吗_北京百度推广代理_苏州seo建站

一、准备工作

1. 任务说明

2. 加载数据

二、数据预处理

1. 构建词典

2. 生成数据批次和迭代器

三、构建模型

1. 搭建模型

2. 初始化模型

3. 定义训练与评估函数

四、训练模型

1. 拆分数据集并运行模型

2. 测试指定数据

五、心得体会

最新新闻

热搜词