很久之前学习飞桨，波士顿房价预测是入门练习项目，以前写过，例如：使用飞桨实现波士顿房价预测，现在重新写一遍，并解释一遍。
零、前置知识
需要懂点numpy，懂点PaddlePaddle基础，具体大家可以看看飞桨官网www.paddlepaddle.org.cn/，安装等很详细了，再次就不讲了，毕竟他是中文出身，无缝学习。
一、思路
做久了，就很清楚，这类问题一般就是数据处理--模型设计--训练配置--训练过程--保存模型五大步骤，没啥好说的了。
二、框架选择
深度学习框架很多，有numpy、pytorch、paddlepaddle、tensorflow诸如此类，多不胜数，那么这次我们选择paddlepaddle。
import paddle from paddle.nn import Linear import paddle.nn.functional as F import numpy as np import os import random
- paddle：飞桨的主库，paddle 根目录下保留了常用API的别名，当前包括：paddle.tensor、paddle.framework、paddle.device目录下的所有API。
- Linear：神经网络的全连接层函数，包含所有输入权重相加的基本神经元结构。在房价预测任务中，使用只有一层的神经网络（全连接层）实现线性回归模型。
- paddle.nn：组网相关的API，包括 Linear、卷积 Conv2D、循环神经网络LSTM、损失函数CrossEntropyLoss、激活函数ReLU等。
- paddle.nn.functional：与paddle.nn一样，包含组网相关的API，如：Linear、激活函数ReLU等，二者包含的同名模块功能相同，运行性能也基本一致。 差别在于paddle.nn目录下的模块均是类，每个类自带模块参数；paddle.nn.functional目录下的模块均是函数，需要手动传入函数计算所需要的参数。在实际使用时，卷积、全连接层等本身具有可学习的参数，建议使用paddle.nn；而激活函数、池化等操作没有可学习参数，可以考虑使用paddle.nn.functional。
注意： 飞桨有动态和静态模式两种。
- 动态图模式，解析方便
- 静态图模式，先编译优化，再执行 一般都是先动态图训练，然后转静态，再推理部署，这样的好处是训练方便，部署速度快！
三、数据处理
数据处理此处较为简单
def load_data(): # 从文件导入数据 datafile = './work/housing.data' data = np.fromfile(datafile, sep=' ', dtype=np.float32) # 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 maximums, minimums = training_data.max(axis=0), training_data.min(axis=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 max_values = maximums min_values = minimums # 对数据进行归一化处理 for i in range(feature_num): data[:, i] = (data[:, i] - min_values[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 # 验证数据集读取程序的正确性 training_data, test_data = load_data() print(training_data.shape) print(training_data[1,:])
此处是从work目录下导入数据集，主要工作由以下几步：
- 数据集划分，按0.8划分训练集测试集。
- 数据归一化。
- 验证数据读取
四、模型设计
模型设计主要是继承paddle.nn.Layer父类，并且在类中定义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函数中使用的。- 网络层需要在
init函数中声明。
class Regressor(paddle.nn.Layer): # self代表类的实例自身 def __init__(self): # 初始化父类中的一些参数 super(Regressor, self).__init__() # 定义一层全连接层，输入维度是13，输出维度是1 self.fc = Linear(in_features=13, out_features=1) # 网络的前向计算 def forward(self, inputs): x = self.fc(inputs) return x
五、训练配置
- 指定训练资源
- 指定训练参数，如学习率、损失函数等
- 学习率设置为0.01
# 声明定义好的线性回归模型 model = 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，使用随机梯度下降SGD # 学习率设置为0.01 opt = paddle.optimizer.SGD(learning_rate=0.01, parameters=model.parameters()) 模型实例有两种状态：训练状态.train()和预测状态.eval()
六、模型训练
训练过程采用二层循环嵌套方式：
- 内层循环： 遍历数据集，通过参数 batch size 设置。
- 外层循环： 定义遍历数据集的次数，通过参数EPOCH_NUM设置。
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): x = np.array(mini_batch[:, :-1]) # 获得当前批次训练数据 y = np.array(mini_batch[:, -1:]) # 获得当前批次训练标签（真实房价） # 将numpy数据转为飞桨动态图tensor的格式 house_features = paddle.to_tensor(x,dtype='float32') prices = paddle.to_tensor(y,dtype='float32') # 前向计算 predicts = model(house_features) # 计算损失 loss = F.square_error_cost(predicts, label=prices) avg_loss = paddle.mean(loss) if iter_id%20==0: print("epoch: {}, iter: {}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy())) # 反向传播，计算每层参数的梯度值 avg_loss.backward() # 更新参数，根据设置好的学习率迭代一步 opt.step() # 清空梯度变量，以备下一轮计算 opt.clear_grad()
七、保存模型
模型保存参考api：www.paddlepaddle.org.cn/documentati…，model.state_dict()，保存模型。
# 保存模型参数，文件名为LR_model.pdparams paddle.save(model.state_dict(), 'LR_model.pdparams') print("模型保存成功，模型参数保存在LR_model.pdparams中")
八、模型预测
- 加载数据
- 预测数据
def load_one_example(): # 从上边已加载的测试集中，随机选择一条作为测试数据 idx = np.random.randint(0, test_data.shape[0]) idx = -10 one_data, label = test_data[idx, :-1], test_data[idx, -1] # 修改该条数据shape为[1,13] one_data = one_data.reshape([1,-1]) return one_data, label # 参数为保存模型参数的文件地址 model_dict = paddle.load('LR_model.pdparams') model.load_dict(model_dict) model.eval() # 参数为数据集的文件地址 one_data, label = load_one_example() # 将数据转为动态图的variable格式 one_data = paddle.to_tensor(one_data,dtype="float32") predict = model(one_data) # 对结果做反归一化处理 predict = predict * (max_values[-1] - min_values[-1]) + min_values[-1] # 对label数据做反归一化处理 label = label * (max_values[-1] - min_values[-1]) + min_values[-1] print("Inference result is {}, the corresponding label is {}".format(predict.numpy(), label))
九、高层API训练
import paddle paddle.set_default_dtype("float32") # 用高层API定义数据集，无需进行数据处理等，高层API为你一条龙搞定 train_dataset = paddle.text.datasets.UCIHousing(mode='train') eval_dataset = paddle.text.datasets.UCIHousing(mode='test') # 训练模型 model = paddle.Model(Regressor()) model.prepare(paddle.optimizer.SGD(learning_rate=0.005, parameters=model.parameters()), paddle.nn.MSELoss()) model.fit(train_dataset, eval_dataset, epochs=10, batch_size=8, verbose=1) result = model.evaluate(eval_dataset, batch_size=8) print("result:",result) result_pred = model.predict(one_data, batch_size=1) # result_pred是一个list，元素数目对应模型的输出数目 result_pred = result_pred[0] # tuple,其中第一个值是个array print("Inference result is {}, the corresponding label is {}".format(result_pred[0][0], label))
十、代码及数据
代码和数据上传百度网盘。
提取码：uqc9
