客至汲泉烹茶, 抚琴听者知音

PaddlePaddle飞桨课程学习Day2:波士顿房价模型改写

课程链接:https://aistudio.baidu.com/aistudio/education/group/info/1297

深度学习框架介绍

在构建模型的过程中,每一步所需要完成的任务均可以拆分成个性化和通用化两个部分。

  • 个性化部分:往往是指定模型由哪些逻辑元素组合,由建模者完成。
  • 通用部分:聚焦这些元素的算法实现,由深度学习框架完成。

用飞桨重写房价预测模型

首先说明一下,代码是我看官方教程一点点手打的,可能有部分地方是按我的想法写的,与官方教程不一致,不过测试是成功运行的。

导入库

首先加载相关库

#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

代码中参数含义如下:

  • 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。
  • Linear:神经网络的全连接层函数,即包含所有输入权重相加和激活函数的基本神经元结构。在房价预测任务中,使用只有一层的神经网络(全连接层)来实现线性回归模型。

说明:

飞桨支持两种深度学习建模编写方式,更方便调试的动态图模式和性能更好并便于部署的静态图模式。

  • 静态图模式(声明式编程范式,类比C++):先编译后执行的方式。用户需预先定义完整的网络结构,再对网络结构进行编译优化后,才能执行获得计算结果。(写完所有代码,才能编译并执行)
  • 动态图模式(命令式编程范式,类比Python):解析式的执行方式。用户无需预先定义完整的网络结构,每写一行网络代码,即可同时获得计算结果。(写一行代码就可执行)

为了学习模型和调试的方便,本教程均使用动态图模式编写模型。在后续的资深教程中,会详细介绍静态图以及将动态图模型转成静态图的方法。仅在部分场景下需要模型转换,并且是相对容易的。

数据处理

和上一篇文章是一样的,拆分测试集,随机抽样,归一化,这里不细说了。

def load_data(): # 数据处理
    data = np.fromfile('housing.data',sep = ' ')
    feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 
    'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
    feature_num = len(feature_names)
    data = data.reshape([data.shape[0]//feature_num,feature_num])

    # 拆分训练集
    ratio = 0.8
    training_data = data[:int(data.shape[0]*ratio),:]

    # 归一化
    maximums, minimums, avgs = np.max(training_data,axis = 0),np.min(training_data,axis = 0),\
        np.average(training_data,axis = 0)

    global range_value # 定义全局变量,以便预测时仍然可以用归一化参数
    global avgs_value
    
    range_value = maximums - minimums
    avgs_value = avgs

    data = (data - avgs) / range_value

    # 把归一化的数据重新划分为训练集和测试集
    training_data = data[:int(data.shape[0]*ratio),:]
    test_data = data[int(data.shape[0]*ratio):,:]
    return training_data, test_data

模型设计

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):
        super(Regressor, self).__init__()
        
        # 定义一层全连接层,输入维度13,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) # self即指向实例本身,所以可以向Linear()类传入参数(大概?)
        return x
super() 函数是用于调用父类(超类)的一个方法

来自菜鸟教程的一个例子:

class A:
    def __init__(self):
        self.testa = 2

    def add(self, x):
         y = x+1+self.testa
         print(y)

class B(A):
    def __init__(self):
        self.testa = 3

    def add(self, x):
        super(B,self).add(x)

b = B()
b.add(1)
首先Class B(A)表示B继承了A,即A是B的父类。Super将当前的self参数传递给父类A,然后调用父类的方法add()。

训练配置

训练配置包含四步:

  1. 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飞桨动态图的模式执行(实时执行)。
  2. 声明定义好的回归模型Regressor实例,并将模型的状态设置为训练。
  3. 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。

训练配置代码如下所示:

# 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()
    # 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())

with可以理解为try …… except …… finally ……的简化版本,回忆一下with打开文件,无论最终结果如何,该文件都会被关闭。

博主在vscode上运行报Context manager 'generator' doesn't implement __enter__ and __exit__.错误,但是不影响执行,google也没查到结果。

说明:

1.默认本案例运行在读者的笔记本上,因此模型训练的机器资源为CPU。

2.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,有两点原因:

(1)部分高级的算子(例如Drop out和Batch Normalization)在两个状态执行的逻辑不同。

(2)从性能和存储空间的考虑,预测状态时更节省内存,性能更好。

3.在上述代码中可以发现声明模型、定义优化器等操作都在with创建的 fluid.dygraph.guard()上下文环境中进行,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。

在基于Python实现神经网络模型的案例中,我们为实现梯度下降编写了大量代码,而使用飞桨框架只需要定义SGD就可以实现优化器设置,大大简化了这个过程。

训练过程

训练过程采用二层循环嵌套方式:

  • 内层循环: 负责整个数据集的一次遍历,采用分批次方式(batch)。假设数据集样本数量为1000,一个批次有10个样本,则遍历一次数据集的批次数量是1000/10=100,即内层循环需要执行100次。

for iter_id, mini_batch in enumerate(mini_batches):

  • 外层循环: 定义遍历数据集的次数,通过参数EPOCH_NUM设置。

for epoch_id in range(EPOCH_NUM):

说明:

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过小,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为设置10。

整个过程代码实现:

with dygraph.guard(fluid.CPUPlace()): # CPU上训练
    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]).astype('float32') # 获得当前批次训练数据
            y = np.array(mini_batch[:, -1:]).astype('float32') # 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')

飞桨训练的数据需要是内置的variable格式数据,我们拿到数据后,可以先转为np.array格式,再通过dygraph.to_variable()进行转换

反向传播其实就是利用随即梯度下降更新参数的过程

这部分代码直接抄的教程,说实话,有点违背我之前写python的经验了,得好好理解一下。

保存并测试模型

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,代码如下所示。

# 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")

测试模型

下面我们选择一条数据样本,测试下模型的预测效果。测试过程和在应用场景中使用模型的过程一致,主要可分成如下三个步骤:

  1. 配置模型预测的机器资源。本案例默认使用本机,因此无需写代码指定。
  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,第一句是从文件中读取模型参数;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eval()(校验)。上文中提到,训练状态的模型需要同时支持前向计算和反向传导梯度,模型的实现较为臃肿,而校验和预测状态的模型只需要支持前向计算,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到模型中,打印输出的预测结果。

通过load_one_example函数实现从数据集中抽一条样本作为测试样本,具体实现代码如下所示。

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
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('./work/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))

通过比较“模型预测值”和“真实房价”可见,模型的预测效果与真实房价接近。

添加新评论