飞桨安装
# 首先更新pip
pip3 install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装paddlepaddle
pip3 install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple
案例说明及代码
1.库文件
paddle/fluid:飞桨的主库,目前大部分的实用函数均在paddle.fluid包内。
dygraph:动态图的类库
#加载飞桨、Numpy和相关类库
import paddle
import paddle.fluid as fluid
import paddle.fluid.dygraph as dygraph
from paddle.fluid.dygraph import Linear
import numpy as np
import os
import random
2.数据预处理
数据预处理的全部过程:主要包含五个步骤
数据导入、数据形状变换、数据集划分、数据归一化处理和封装load_data函数。
def load_data():
# 从文件导入数据
datafile = 'data/housing.data'
data = np.fromfile(datafile, sep=' ')
# 每条数据包括14项,其中前面13项是影响因素,第14项是相应的房屋价格中位数
feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
feature_num = len(feature_names)
# 将原始数据进行Reshape,变成[N, 14]这样的形状
data = data.reshape([data.shape[0] // feature_num, feature_num])
# 将原数据集拆分成训练集和测试集
# 这里使用80%的数据做训练,20%的数据做测试
# 测试集和训练集必须是没有交集的
ratio = 0.8
offset = int(data.shape[0] * ratio)
training_data = data[:offset]
# 计算train数据集的最大值,最小值,平均值
maximums, minimums, avgs = training_data.max(axis=0), training_data.min(axis=0), \
training_data.sum(axis=0) / training_data.shape[0]
# 记录数据的归一化参数,在预测时对数据做归一化
global max_values
global min_values
global avg_values
max_values = maximums
min_values = minimums
avg_values = avgs
# 对数据进行归一化处理
for i in range(feature_num):
#print(maximums[i], minimums[i], avgs[i])
data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])
# 训练集和测试集的划分比例
training_data = data[:offset]
test_data = data[offset:]
return training_data, test_data
查看第一个训练样本数据
# 获取数据
training_data, test_data = load_data()
x = training_data[:, :-1]
y = training_data[:, -1:]
# 查看数据
print(x[0])
print(y[0])
3.搭建神经网络
本例中模型定义的实质是定义线性回归的网络结构。飞桨建议通过创建Python类的方式完成模型网络的定义,即定义init函数和forward函数。
forward函数是框架指定实现前向计算逻辑的函数,程序在调用模型实例时会自动执行forward方法。在forward函数中使用的网络层需要在init函数中声明。实现过程分如下两步。
1)定义init函数:在类的初始化函数中声明每一层网络的实现函数。在房价预测模型中,只需要定义一层全连接层。
2)定义forward函数:构建神经网络结构,实现前向计算过程,并返回预测结果,在本任务中返回的是房价预测结果。
class Regressor(fluid.dygraph.Layer):
def __init__(self, name_scope):
super(Regressor, self).__init__(name_scope)
name_scope = self.full_name()
# 定义一层全连接层,输出维度是1,激活函数为None,即不使用激活函数
self.fc = Linear(input_dim=13, output_dim=1, act=None)
# 网络的前向计算函数
def forward(self, inputs):
x = self.fc(inputs)
return x
在上述代码中,name_scope变量用于调试模型时追踪多个模型的变量,在此忽略即可,飞桨1.7及之后版本不强制用户设置name_scope。
4.训练配置
训练配置过程包含四步:
1)指定运行训练的机器资源:以guard函数指定运行训练的机器资源,表明在with作用域下的程序均执行在本机的CPU资源上。dygraph.guard表示在with作用域下的程序会以动态图的模式执行(实时执行)。
2)声明模型实例:声明定义好的回归明模型Regressor实例,并将模型的状态设置为训练。
3)加载训练和测试数据:使用load_data函数加载训练数据和测试数据。
4)设置优化算法和学习率:优化算法采用随机梯度下降SGD,学习率设置为0.01。
# 定义飞桨动态图的工作环境
with fluid.dygraph.guard():
# 声明定义好的线性回归模型
model = Regressor("Regressor")
# 开启模型训练模式
model.train()
# 加载数据
training_data, test_data = load_data()
# 定义优化算法,这里使用随机梯度下降-SGD
# 学习率设置为0.01
opt = fluid.optimizer.SGD(learning_rate=0.01, parameter_list=model.parameters())
在飞桨中,模型实例有两种状态:训练状态(.train())和预测状态(.eval())。训练时要执行正向计算和反向传播梯度两个过程,而预测时只需要执行正向计算。为模型指定运行状态的原因有两点:部分高级算子(例如Dropout和Batch Normalization)在两个状态执行的逻辑不同:从性能和存储空间考虑,预测状态时更节省内存,性能更好。
在上述代码可以发现,声明模型、定义优化器等操作都在with创建的fluid.dygraph.guard()上下文环境中运行,可以理解为with fluid.dygraph.guard()创建了飞桨动态图的工作环境,在该环境下完成模型声明、数据转换及模型训练等操作。
5.模型训练
模型训练过程采用内层循环和外层循环嵌套的方式。
内层循环负责整个数据集的一次遍历,采用分批次方式。假设数据集样本数量为1000,一个批次(batch)有10个样本,则遍历一次数据集的批次数量是100(1000/10),即内层循环需要执行100次。batch的取值会影响模型训练效果:batch过大,会增大内存消耗和计算时间,且效果并不会明显提升;batch较小,每个batch的样本数据将没有统计意义。由于房价预测模型的训练数据集较小,我们将batch设置为10.
每次内层循环都需要执行如下四个步骤。
1)数据准备:将一个批次的数据转变成np.array和内置格式。
2)前向计算:将一个批次的样本数据灌入网络中,计算输出结果。
3)计算损失函数:以前向计算结果和真实房价作为输入,通过损失函数square_error_cost计算出损失函数值(loss)
4)反向传播:执行梯度反向传播backward函数,即从后到前逐层计算每一层的梯度,并根据设置的优化算法更新参数opt.minimize
外层循环定义遍历数据集的次数,通过参数EPOCH_NUM设置。具体定义训练过程如下:
with dygraph.guard():
EPOCH_NUM = 10 # 设置外层循环次数
BATCH_SIZE = 10 # 设置batch大小
# 定义外层循环
for epoch_id in range(EPOCH_NUM):
# 在每轮迭代开始之前,将训练数据的顺序随机的打乱
np.random.shuffle(training_data)
# 将训练数据进行拆分,每个batch包含10条数据
mini_batches = [training_data[k:k+BATCH_SIZE] for k in range(0, len(training_data), BATCH_SIZE)]
# 定义内层循环
for iter_id, mini_batch in enumerate(mini_batches):
# 获得当前批次训练数据
x = np.array(mini_batch[:, :-1]).astype('float32')
# 获得当前批次训练标签(真实房价)
y = np.array(mini_batch[:, -1:]).astype('float32')
# 将numpy数据转为飞桨动态图variable形式
house_features = dygraph.to_variable(x)
prices = dygraph.to_variable(y)
# 前向计算
predicts = model(house_features)
# 计算损失
loss = fluid.layers.square_error_cost(predicts, label=prices)
avg_loss = fluid.layers.mean(loss)
if iter_id%20==0:
print("epoch: {}, iter: {}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy()))
# 反向传播
avg_loss.backward()
# 最小化loss,更新参数
opt.minimize(avg_loss)
# 清除梯度
model.clear_gradients()
# 保存模型
fluid.save_dygraph(model.state_dict(), 'LR_model')
通过代码运行结果可以发现,损失值呈总体下降趋势。
6.保存并测试模型
首先,我们将模型当前的参数数据model.state_dict()保存到文件中(通过参数指定保存的文件名LR_model),以备预测或校验的程序调用,代码如下:
# 定义飞桨动态图工作环境
with fluid.dygraph.guard():
# 保存模型参数,文件名为LR_model
fluid.save_dygraph(model.state_dict(), 'LR_model')
print("模型保存成功,模型参数保存在LR_model中")
然后就可以对模型进行测试了,测试过程与在应用场景中使用模型的过程一直,主要可分成如下三个步骤:
1)配置模型预测是机器资源。
2)将训练好的模型参数加载到模型实例中。由两个语句完成,第一句是从文件中获取模型参数;第二句是将参数内容加载到模型。加载完毕后,需要将模型的状态调整为校验(evaluation)。上文中提到,训练状态的模型需要同时支持正向计算和反向传导梯度,模型的实现较为臃肿,而校验和预测的模型只需要支持正向计算,模型的实现更加简单,性能更好。
3)将待预测的样本特征输入模型中,打印输出的预测结果。
通过load_one_example函数从数据集中抽取一条样本作为测试样本,具体实现代码如下:
def load_one_example(data_dir):
f = open(data_dir, 'r')
datas = f.readlines()
# 选择倒数第10条数据用于测试
tmp = datas[-10]
tmp = tmp.strip().split()
one_data = [float(v) for v in tmp]
# 对数据进行归一化处理
for i in range(len(one_data)-1):
one_data[i] = (one_data[i] - avg_values[i]) / (max_values[i] - min_values[i])
data = np.reshape(np.array(one_data[:-1]), [1, -1]).astype(np.float32)
label = one_data[-1]
return data, label
然后开始测试
with dygraph.guard():
# 参数为保存模型参数的文件地址
model_dict, _ = fluid.load_dygraph('LR_model')
model.load_dict(model_dict)
model.eval()
# 参数为数据集的文件地址
test_data, label = load_one_example('./data/housing.data')
# 将数据转为动态图的variable格式
test_data = dygraph.to_variable(test_data)
results = model(test_data)
# 对结果做反归一化处理
results = results * (max_values[-1] - min_values[-1]) + avg_values[-1]
print("Inference result is {}, the corresponding label is {}".format(results.numpy(), label))
运行上述代码,我们可以比较“模型预测值”和“真实房价”:模型的预测效果与真实房价接近。