第N3周:Pytorch文本分类入门

news2024/12/25 22:26:59
  • 🍨 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 | 接辅导、项目定制
  • 🚀 文章来源:K同学的学习圈子

这里借用K同学的一张图片大致说明本次任务流程。
在这里插入图片描述

1.本次所用AG News数据集介绍

AG News数据集是一个用于文本分类任务的广泛使用的数据集,包含了来自AG新闻网站的四个类别的新闻文章。这些类别分别是:World (世界), Sports (体育), Business (商业)和 Sci/Tech (科学/技术)。每个类别都包含约30,000篇新闻文章,总共有约120,000篇新闻文章。

AG News数据集是一个用于自然语言处理和机器学习的常用基准数据集,可以用于测试文本分类算法的性能。这个数据集具有以下特点:

  1. 大规模:AG News数据集包含大量的新闻文章,可以用于训练深度学习模型。
  2. 多样性:数据集中包含不同主题的新闻文章,可以用于测试模型在不同类别上的分类能力。
  3. 易于使用:数据集已经被广泛使用,有很多开源项目和教程可以帮助用户开始使用。

AG News数据集可以用于多种自然语言处理任务,例如文本分类、情感分析和主题识别等。

2.TextClassificationModel架构

  • TextClassificationModel类继承自nn.Module,其中包含了__init__方法用来初始化模型的各个组件,init_weights方法用来初始化权重,forward方法定义了数据在模型中的流动方式。
  • 模型包含了一个词嵌入层(embedding)和一个全连接层(fc)。
  • init_weights方法用来对模型的权重进行初始化。
  • forward方法接受输入的文本序列(text)和偏移量(offsets),通过词嵌入层得到嵌入表示,然后通过全连接层进行分类预测。
  • num_class表示分类的类别数量,vocab_size表示词典大小,em_size表示词嵌入的维度。
  • 最后,创建了一个model对象,并将其移动到指定的设备(device)上。

3.代码

import  torch
import torch.nn as nn
import torchvision
from torchvision import transforms, datasets
import os,PIL,pathlib,warnings
 
 
 
warnings.filterwarnings("ignore")
#win10
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
from torchtext.datasets import AG_NEWS
train_iter = AG_NEWS(split='train')#加载 AG News 数据集
 
from torchtext.data.utils import get_tokenizer
from torchtext.vocab import build_vocab_from_iterator
 
#返回分词器
tokenizer = get_tokenizer('basic_english')
 
def yield_tokens(data_iter):
    for _, text in data_iter:
        yield tokenizer(text)
 
vocab = build_vocab_from_iterator(yield_tokens(train_iter), specials=["<unk>"])
vocab.set_default_index(vocab["<unk>"])#设置默认索引
print(vocab(['here', 'is', 'an', 'example']))
 
text_pipeline = lambda x: vocab(tokenizer(x))
label_pipeline = lambda x: int(x) - 1
print(text_pipeline('here is an example '))
print(label_pipeline('10'))
 
 
from torch.utils.data import DataLoader
 
def collate_batch(batch):
    label_list,text_list,offsets =[],[],[0]
    for(_label,_text)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 label_list.to(device),text_list.to(device),offsets.to(device)
#数据加载器
dataloader =DataLoader(train_iter,batch_size=8,shuffle   =False,collate_fn=collate_batch)
 
 
 
from torch import nn
class 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)#
        self.fc =nn.Linear(embed_dim,num_class)
        self.init_weights()
    def init_weights(self):
        initrange =0.5
        self.embedding.weight.data.uniform_(-initrange,initrange)
        self.fc.weight.data.uniform_(-initrange,initrange)
        self.fc.bias.data.zero_()
 
    def forward(self,text,offsets):
        embedded =self.embedding(text,offsets)
        return self.fc(embedded)
 
num_class = len(set([label for(label,text)in train_iter]))
vocab_size = len(vocab)
em_size = 64
model = TextClassificationModel(vocab_size,em_size,num_class).to(device)
 
import time
def train(dataloader):
    model.train()  #切换为训练模式
    total_acc,train_loss,total_count =0,0,0
    log_interval =500
    start_time   =time.time()
 
    for idx,(label,text,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,labe1为真实值
        loss.backward()#反向传播
        optimizer.step()  #每一步自动更新
        #记录acc与loss
        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_time
            print('|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 =0,0,0
            start_time =time.time()
 
def evaluate(dataloader):
    model.eval()  #切换为测试模式
    total_acc,train_loss,total_count =0,0,0
 
    with torch.no_grad():
        for idx,(label,text,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
 
 
 
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 training
criterion =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
 
train_iter,test_iter =AG_NEWS()#加载数据
train_dataset =to_map_style_dataset(train_iter)
test_dataset =to_map_style_dataset(test_iter)
num_train=int(len(train_dataset)*0.95)
 
split_train_,split_valid_=random_split(train_dataset,
                                       [num_train,len(train_dataset)-num_train])
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)
test_dataloader=DataLoader(test_dataset,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)
 
    if total_accu is not None and total_accu >val_acc:
        scheduler.step()
    else:
        total_accu =val_acc
    print('-'*69)
    print('|epoch {:1d}|time:{:4.2f}s|'
            'valid_acc {:4.3f}valid_loss {:4.3f}'.format(epoch,
            time.time()-epoch_start_time,val_acc,val_loss))
    print('-'*69)
 
 
print('Checking the results of test dataset.')
test_acc,test_loss =evaluate(test_dataloader)
print('test accuracy {:8.3f}'.format(test_acc))
E:\BaiduNetdiskDownload\pythonProject_PyTorch\venv\Scripts\python.exe E:\BaiduNetdiskDownload\pythonProject_PyTorch\PytorchText.py 
[475, 21, 30, 5297]
[475, 21, 30, 5297]
9
|epoch 1| 500/1782batches|train_acc 0.721train_loss 0.01010
|epoch 1|1000/1782batches|train_acc 0.871train_loss 0.00616
|epoch 1|1500/1782batches|train_acc 0.877train_loss 0.00542
---------------------------------------------------------------------
|epoch 1|time:11.81s|valid_acc 0.794valid_loss 0.009
---------------------------------------------------------------------
|epoch 2| 500/1782batches|train_acc 0.903train_loss 0.00451
|epoch 2|1000/1782batches|train_acc 0.906train_loss 0.00442
|epoch 2|1500/1782batches|train_acc 0.906train_loss 0.00436
---------------------------------------------------------------------
|epoch 2|time:11.64s|valid_acc 0.845valid_loss 0.007
---------------------------------------------------------------------
|epoch 3| 500/1782batches|train_acc 0.919train_loss 0.00374
|epoch 3|1000/1782batches|train_acc 0.917train_loss 0.00383
|epoch 3|1500/1782batches|train_acc 0.915train_loss 0.00393
---------------------------------------------------------------------
|epoch 3|time:11.61s|valid_acc 0.905valid_loss 0.004
---------------------------------------------------------------------
|epoch 4| 500/1782batches|train_acc 0.927train_loss 0.00339
|epoch 4|1000/1782batches|train_acc 0.926train_loss 0.00342
|epoch 4|1500/1782batches|train_acc 0.922train_loss 0.00352
---------------------------------------------------------------------
|epoch 4|time:11.62s|valid_acc 0.870valid_loss 0.006
---------------------------------------------------------------------
|epoch 5| 500/1782batches|train_acc 0.942train_loss 0.00276
|epoch 5|1000/1782batches|train_acc 0.945train_loss 0.00268
|epoch 5|1500/1782batches|train_acc 0.945train_loss 0.00266
---------------------------------------------------------------------
|epoch 5|time:11.67s|valid_acc 0.913valid_loss 0.004
---------------------------------------------------------------------
|epoch 6| 500/1782batches|train_acc 0.946train_loss 0.00259
|epoch 6|1000/1782batches|train_acc 0.946train_loss 0.00261
|epoch 6|1500/1782batches|train_acc 0.946train_loss 0.00261
---------------------------------------------------------------------
|epoch 6|time:11.71s|valid_acc 0.914valid_loss 0.004
---------------------------------------------------------------------
|epoch 7| 500/1782batches|train_acc 0.948train_loss 0.00255
|epoch 7|1000/1782batches|train_acc 0.946train_loss 0.00260
|epoch 7|1500/1782batches|train_acc 0.948train_loss 0.00250
---------------------------------------------------------------------
|epoch 7|time:11.68s|valid_acc 0.912valid_loss 0.004
---------------------------------------------------------------------
|epoch 8| 500/1782batches|train_acc 0.948train_loss 0.00252
|epoch 8|1000/1782batches|train_acc 0.948train_loss 0.00249
|epoch 8|1500/1782batches|train_acc 0.950train_loss 0.00244
---------------------------------------------------------------------
|epoch 8|time:11.52s|valid_acc 0.913valid_loss 0.004
---------------------------------------------------------------------
|epoch 9| 500/1782batches|train_acc 0.949train_loss 0.00249
|epoch 9|1000/1782batches|train_acc 0.950train_loss 0.00246
|epoch 9|1500/1782batches|train_acc 0.950train_loss 0.00248
---------------------------------------------------------------------
|epoch 9|time:11.43s|valid_acc 0.922valid_loss 0.004
---------------------------------------------------------------------
|epoch 10| 500/1782batches|train_acc 0.950train_loss 0.00235
|epoch 10|1000/1782batches|train_acc 0.950train_loss 0.00255
|epoch 10|1500/1782batches|train_acc 0.949train_loss 0.00229
---------------------------------------------------------------------
|epoch 10|time:11.92s|valid_acc 0.924valid_loss 0.004
---------------------------------------------------------------------
Checking the results of test dataset.
test accuracy    0.909
 
Process finished with exit code 0

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1718573.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

医院内跌倒的预测模型构建(Boruta+lightgbm+DCA分析)

医院内跌倒的预测模型构建&#xff08;BorutalightgbmDCA分析&#xff09; 跌倒有时候是很严重的事情&#xff0c;常常听说骨质疏松的老年人跌倒后造成髋骨骨折&#xff0c;导致长期卧床&#xff0c;进而导致肌肉萎缩、肺炎等等并发症&#xff0c;最终导致不良预后。医院内的跌…

AWS中国峰会2024 半日游

亚马逊云科技中国峰会于2024年5月29-30日在上海举办 今年就去了半天&#xff0c;去年也是去过的&#xff0c;不过今年的活动个人感觉比去年略微凌乱了一点。 今年的峰会方向和去年一致&#xff0c;均是AI方向的各项内容&#xff08;基础架构、安全、服务、游戏、驾驶、各行各…

node版本切换

vue项目&#xff0c;有的项目需要低版本&#xff0c;有的又需要高版本&#xff0c;不能每次都卸载安装之类的吧&#xff0c;就想着怎么能切换版本使用&#xff0c;搜索资料最终使用nvm来进行node版本管理&#xff0c;下面是使用方法&#xff1a; 1.下载node版本管理器NVM 下载…

【Linux】多线程——线程概念|进程VS线程|线程控制

> 作者&#xff1a;დ旧言~ > 座右铭&#xff1a;松树千年终是朽&#xff0c;槿花一日自为荣。 > 目标&#xff1a;理解【Linux】多线程——线程概念|进程VS线程|线程控制 > 毒鸡汤&#xff1a;有些事情&#xff0c;总是不明白&#xff0c;所以我不会坚持。早安! &…

msf攻击windows实例

环境&#xff1a;攻击机kali&#xff08;192.168.129.139&#xff09;&#xff0c;目标机windows10&#xff08;192.168.129.132&#xff09; 方法一&#xff1a;通过web站点&#xff0c;使用无文件的方式攻击利用执行&#xff08;命令执行漏洞&#xff09; 方法二&#xff1…

Android 开机动画的启动过程BootAnimation(基于Android10.0.0-r41)

文章目录 Android 开机动画的启动过程BootAnimation(基于Android10.0.0-r41)1.开机动画的启动过程概述2.为什么设置了属性之后就会播放&#xff1f; Android 开机动画的启动过程BootAnimation(基于Android10.0.0-r41) 1.开机动画的启动过程概述 下面就是BootAnimation的重要部…

香橙派开发板测评:探索创新的嵌入式解决方案

嵌入式系统在当今科技领域中扮演着越来越重要的角色&#xff0c;而开发板作为嵌入式系统设计的核心工具&#xff0c;不断推动着创新的边界。在众多开发板中&#xff0c;香橙派&#xff08;Orange Pi&#xff09;系列以其出色的性能和丰富的接口&#xff0c;备受开发者的青睐。本…

xss漏洞学习(题解)

1.简单知识点回顾 XSS允许恶意web用户将代码植入到提供给其它用户使用的页面中。 特点&#xff1a;能注入恶意的HTML/JavaScript代码到用户浏览器网址上&#xff0c;从而劫持会话 类型&#xff1a; DOM型&#xff1a;属于反射型的一种&#xff0c;利用非法输入来闭合对应的h…

动态代理的代码实现

目录 准备工作 正式书写 测试 准备工作 定义一个BigStar类&#xff1a; 定义Star接口&#xff0c;在这里面定义一些想要被代理的方法。 让BigStart实现Star接口&#xff1a; 正式书写 新建ProxyUtil类&#xff0c;这个类的作用就是创建一个代理&#xff0c;里面有createPro…

WebGoat靶场搭建

WebGoat靶场介绍 WebGoat是一个由OWASP&#xff08;Open Web Application Security Project&#xff09;组织开发的应用平台&#xff0c;专门用于进行Web应用程序安全漏洞的实验。它旨在通过模拟各种安全漏洞&#xff0c;帮助用户了解和学习如何识别和防御这些漏洞。WebGoat基…

排序算法(一) 基础排序算法

排序算法 基础排序算法 排序本质&#xff1a;减小逆序对的过程 在基础排序算法中&#xff0c;将待排序序列分为相对有序区与相对无序区。 每次遍历到数组末尾称为一轮。 冒泡排序(无序区-有序区, O ( n 2 ) O(n^2) O(n2),稳定,就地) 在每一轮中&#xff0c;逐次与下一邻项…

在长窗口时代,RAG技术是否仍然必要?

自从谷歌推出 Gemini 1.5 Pro&#xff0c;行业内部对于 RAG 的讨论就不绝于耳。 Gemini 1.5 Pro 的性能确实令人瞩目。根据谷歌公布的技术文档&#xff0c;该系统能够稳定处理长达 100 token 的内容&#xff0c;相当于一小时的视频、十一小时的音频、超过三万行的代码或七十万…

服务器的初始化

服务器的初始化 新的服务器到手&#xff0c;部署服务器的初始化。 1、配置ip地址 网关 dns解析&#xff08;static&#xff09;内网和外网 2、安装源&#xff0c;外网&#xff08;在线即可&#xff09;内网&#xff08;只能用源码包编译安装&#xff09; 3、磁盘分区&#…

2024年第一期“数据安全咨询(高级)”培训开启报名!

各有关单位 为加速数据安全专业人才的培育&#xff0c;增强企事业单位数据安全治理与防御能力&#xff0c;提升数据安全从业人员的业务能力和管理水平&#xff0c;在中国电子学会、杭州市计算机学会、浙江省网安协数据安全治理专委会的支持下&#xff0c;浙江省电子学会、杭州…

【Qt】Qt界面美化指南:深入理解QSS样式表的应用与实践

文章目录 前言&#xff1a;1. 背景介绍2. 基本语法3. QSS 设置方式3.1. 设置全局样式3.2. 从文件加载样式表3.3. 使用 Qt Designer 编辑样式 总结&#xff1a; 前言&#xff1a; 在当今这个视觉至上的时代&#xff0c;用户界面&#xff08;UI&#xff09;的设计对于任何软件产…

apexcharts数据可视化之圆环柱状图

apexcharts数据可视化之圆环柱状图 有完整配套的Python后端代码。 本教程主要会介绍如下图形绘制方式&#xff1a; 基础圆环柱状图多组数据圆环柱状图图片背景自定义角度渐变半个圆环图虚线圆环图 基础圆环图 import ApexChart from react-apexcharts;export function Cir…

效率管理时间应用:滴答清单

一、简介 1、滴答清单&#xff08;TickTick&#xff09;&#xff0c;一款由杭州随笔记网络技术有限公司开发的待办事项和任务提醒工具&#xff0c;作为TickTick的中国服务器版本&#xff0c;它提供了易用、轻量、功能完整的解决方案&#xff0c;支持Web、iOS、Android等多个平…

【大比武10】行业垂直大模型应用在档案管理中的探索

关注我们 - 数字罗塞塔计划 - # 大比武2024 本篇是参加“华夏伟业”杯第二届档案信息化公司业务与技术实力大比武&#xff08;简称“大比武 2024”&#xff09;的投稿文章&#xff0c;来自广州龙建达电子股份有限公司&#xff0c;作者&#xff1a;陶宣任。 在这个人工智能技…

学习笔记:(2)荔枝派Nano开机显示log(全志F1C200S)

学习笔记:TF卡启动荔枝派Nano(全志F1C200S) 1.u-boot配置2.需要配置LCD的显示设备树1.u-boot配置 ARM architecture Enable graphical uboot console on HDMI, LCD or VGAx:480,y:272,depth:

李廉洋:5.31黄金原油末日砸盘,美盘分析及策略。

黄金消息面分析&#xff1a;过去几天股市的抛售也是金属市场的利多因素。美国商务部将第一季度GDP预期从1.6%下修至1.3%后&#xff0c;美国国债收益率下降。同时&#xff0c;美国劳工部公布&#xff0c;上周首次申请失业救济人数从前一周修正后的21.6万人上升至21.9万人。综合来…