北京市城市建设档案馆网站,咖啡的网站建设策划书,做网站可以用python么,网站建设公司西安#x1f368; 本文为#x1f517;365天深度学习训练营 中的学习记录博客#x1f356; 原作者#xff1a;K同学啊# 前言 前言
上周学习了训练word2vec模型#xff0c;这周进行相关实战
1. 导入所需库和设备配置
import torch
import torch.nn as nn
import torchvision
… 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# 前言 前言
上周学习了训练word2vec模型这周进行相关实战
1. 导入所需库和设备配置
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 pd2. 加载数据
train_data pd.read_csv(./train.csv, sep\t, headerNone)
print(train_data)3. 数据预处理
def coustom_data_iter(texts, labels):for x, y in zip(texts, labels):yield x, yx train_data[0].values[:]
y train_data[1].values[:]from gensim.models.word2vec import Word2Vec
import numpy as npw2v Word2Vec(vector_size100, min_count3)
w2v.build_vocab(x)
w2v.train(x, total_examplesw2v.corpus_count, epochs20)定义自定义数据迭代器coustom_data_iter。提取文本和标签数据。使用Word2Vec训练词向量模型设置词向量维度为100最小词频为3。
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 vecx_vec np.concatenate([average_vec(z) for z in x])
w2v.save(w2v_model.pkl)train_iter coustom_data_iter(x_vec, y)
print(len(x), len(x_vec))
label_name list(set(train_data[1].values[:]))
print(label_name)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))定义函数average_vec将文本转换为词向量的平均值。将所有文本转换为词向量并保存Word2Vec模型。打印文本和向量的数量以及所有标签的名称。定义文本和标签的预处理函数text_pipeline和label_pipeline。
4. 数据加载器
from torch.utils.data import DataLoaderdef collate_batch(batch):label_list, text_list [], []for (_text, _label) in batch:label_list.append(label_pipeline(_label))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)dataloader DataLoader(train_iter, batch_size8, shuffleFalse, collate_fncollate_batch)定义函数collate_batch将批次中的文本和标签转换为张量。创建数据加载器dataloader。
5. 定义模型
class 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)
model TextClassificationModel(num_class).to(device)定义文本分类模型TextClassificationModel包含一个全连接层。初始化模型设置输出类别数。
6. 训练和评估函数
import timedef train(dataloader):model.train()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()loss criterion(predicted_label, label)loss.backward()torch.nn.utils.clip_grad_norm_(model.parameters(), 0.1)optimizer.step()total_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()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)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定义训练函数train和评估函数evaluate。
7. 训练模型
from torch.utils.data.dataset import random_split
from torchtext.data.functional import to_map_style_datasetEPOCHS 10
LR 5
BATCH_SIZE 64criterion torch.nn.CrossEntropyLoss()
optimizer torch.optim.SGD(model.parameters(), lrLR)
scheduler torch.optim.lr_scheduler.StepLR(optimizer, 1.0, gamma0.1)
total_accu Nonetrain_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)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))定义超参数并初始化损失函数、优化器和学习率调度器。创建数据集并进行训练集和验证集的划分。训练模型并在每个epoch后进行验证。
8. 预测函数
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 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)])定义预测函数predict将文本转换为张量并使用模型进行预测。使用示例文本进行预测并输出结果。
结果 总结
这周学习了通过word2vec文本分类包括数据加载、预处理、模型训练、评估和预测。进一步加深了对word2vec的理解。
