组织机器学习代码

从note本转移到 Python 脚本时组织代码。

Intuition

有组织的代码就是有可读的、可重现的、健壮的代码。您的团队、经理，最重要的是，您未来的自己，将感谢您为组织工作付出的最初努力。在本课中，将讨论如何将代码从note本迁移和组织到 Python 脚本。

Editor

在开始编码之前，需要一个空间来完成它。代码编辑器有多种选择，例如VSCode、Atom、Sublime、PyCharm、Vim等，它们都提供独特的功能，同时提供代码编辑和执行的基本操作。由于 VSCode 的简单性、多语言支持、附加组件和不断增长的行业采用，将使用 VSCode 来编辑和执行代码。

欢迎您使用任何编辑器，但将使用一些可能特定于 VSCode 的附加组件。

从源代码为您的系统安装 VSCode： https ://code.visualstudio.com/
打开命令面板（在 mac F1上是Cmd++ Shift） P→ 输入“首选项：打开设置（UI）”→ 点击Enter
调整您想要的任何相关设置（间距、字体大小等）
安装 VSCode 扩展（使用编辑器左侧面板上的乐高积木图标）

推荐的 VSCode 扩展

我建议安装这些扩展，你可以通过复制/粘贴这个命令：

code --install-extension 74th.monokai-charcoal-high-contrast
code --install-extension alefragnani.project-manager
code --install-extension bierner.markdown-preview-github-styles
code --install-extension bradgashler.htmltagwrap
code --install-extension christian-kohler.path-intellisense
code --install-extension euskadi31.json-pretty-printer
code --install-extension formulahendry.auto-close-tag
code --install-extension formulahendry.auto-rename-tag
code --install-extension kamikillerto.vscode-colorize
code --install-extension mechatroner.rainbow-csv
code --install-extension mikestead.dotenv
code --install-extension mohsen1.prettify-json
code --install-extension ms-azuretools.vscode-docker
code --install-extension ms-python.python
code --install-extension ms-python.vscode-pylance
code --install-extension ms-vscode.sublime-keybindings
code --install-extension njpwerner.autodocstring
code --install-extension PKief.material-icon-theme
code --install-extension redhat.vscode-yaml
code --install-extension ritwickdey.live-sass
code --install-extension ritwickdey.LiveServer
code --install-extension shardulm94.trailing-spaces
code --install-extension streetsidesoftware.code-spell-checker
code --install-extension zhuangtongfa.material-theme

如果您添加自己的扩展并希望与他人共享，只需运行此命令即可生成命令列表：

一旦设置好 VSCode，就可以开始创建项目目录，将使用它来组织所有的脚本。启动项目的方式有很多种，但推荐以下方式：

使用终端创建目录 ( mkdir <PROJECT_NAME>)。
切换到您刚刚创建的项目目录 ( cd <PROJECT_NAME>)。
通过键入从此目录启动 VSCodecode .

要使用命令直接从终端打开 VSCode ，请打开命令面板（或在 mac 上为+ + ）→ 输入“Shell 命令：在 PATH 中安装‘代码’命令”→点击→重新启动终端。code $PATH``F1CmdShiftPEnter
在 VSCode ( View> Terminal) 中打开一个终端，以根据需要继续创建脚本 ( touch <FILE_NAME>) 或其他子目录 ( mkdir <SUBDIR>)。

设置

自述文件

将从一个README.md文件开始组织，该文件将提供有关目录中的文件的信息、执行操作的说明等。将不断更新此文件，以便可以为将来的信息编目。

touch README.md

让从添加用于创建虚拟环境的说明开始：

# Inside README.md
python3 -m venv venv
source venv/bin/activate
python3 -m pip install pip setuptools wheel
python3 -m pip install -e .

如果您按下位于编辑器右上角的预览按钮（下图中红色圆圈中的按钮），您可以看到README.md当为git推送到远程主机时会是什么样子。

配置

接下来，将创建一个名为的配置目录config，可以在其中存储应用程序所需的组件。在此目录中，将创建一个config.py和一个args.json.

mkdir config
touch config/main.py config/args.json

config/
├── args.json       - arguments
└── config.py       - configuration setup

在内部config.py，将添加代码来定义关键目录位置（将在以后的课程中根据需要添加更多配置）：

# config.py
from pathlib import Path

# Directories
BASE_DIR = Path(__file__).parent.parent.absolute()
CONFIG_DIR = Path(BASE_DIR, "config")

在里面args.json，将添加与数据处理和模型训练相关的参数。

{
    "shuffle": true,
    "subset": null,
    "min_freq": 75,
    "lower": true,
    "stem": false,
    "analyzer": "char",
    "ngram_max_range": 7,
    "alpha": 1e-4,
    "learning_rate": 1e-1,
    "power_t": 0.1
}

操作

将从tagifai在项目目录 ( mlops) 中创建包目录 ( ) 开始。在这个包目录中，将创建一个main.py文件来定义希望能够执行的核心操作。

mkdir tagifai
touch tagifai/main.py

tagifai/
└── main.py       - training/optimization pipelines
`

当将代码从note本移动到下面main.py适当的脚本时，将在内部定义这些核心操作：

elt_data：提取、加载和转换数据。
optimize：调整超参数以针对目标进行优化。
train_model：使用优化研究中的最佳参数训练模型。
load_artifacts：从给定的运行中加载经过训练的工件。
predict_tag：预测给定输入的标签。

Utilities

在开始从note本中移动代码之前，应该有意识地了解如何将功能移动到脚本中。note本内有临时进程是很常见的，因为只要note本在运行，它就会保持状态。例如，可以像这样在note本中设置种子：

# Set seeds
np.random.seed(seed)
random.seed(seed)

但在脚本中，应该将此功能包装为一个干净、可重用的函数，并带有适当的参数：

def set_seeds(seed=42):
    """Set seeds for reproducibility."""
    np.random.seed(seed)
    random.seed(seed)

可以将所有这些存储在包目录中的一个utils.py文件中。tagifai

touch tagifai/utils.py

tagifai/
├── main.py       - training/optimization pipelines
└── utils.py      - supplementary utilities

项目

在将代码从note本迁移到脚本时，最好根据实用程序进行组织。例如，可以为数据处理、训练、评估、预测等 ML 开发的各个阶段创建脚本：

将创建不同的 python 文件来包装数据和 ML 功能：

cd tagifai
touch data.py train.py evaluate.py predict.py

tagifai/
├── data.py       - data processing utilities
├── evaluate.py   - evaluation components
├── main.py       - training/optimization pipelines
├── predict.py    - inference utilities
├── train.py      - training utilities
└── utils.py      - supplementary utilities

可能在其他项目中有其他脚本，因为它们是必要的。例如，通常有一个models.py脚本，在 Pytorch、Tensorflow 等中定义显式模型架构。

以这种方式组织代码库也使更容易理解（或修改）代码库。本可以将所有代码放入一个main.py脚本中，但随着项目的增长，将很难在一个整体文件中导航。另一方面，可以通过分解data.py为split.py、preprocess.py等来假设更细粒度的立场。如果有多种拆分、预处理等方式（例如 ML 操作库），这可能更有意义，但是对于任务，在这个更高级别的组织中就足够了。

原则

通过下面的迁移过程，将反复使用几个核心软件工程原则。

将功能包装到函数中

如何决定何时将特定代码行包装为一个单独的函数？函数应该是原子的，因为它们每个都有单一的职责，这样就可以轻松地测试它们。如果不是，需要将它们拆分成更细粒度的单元。例如，可以用这些行替换项目中的标签：

oos_tags = [item for item in df.tag.unique() if item not in tags_dict.keys()]
df.tag = df.tag.apply(lambda x: "other" if x in oos_tags else x)

────相比────

def replace_oos_tags(df, tags_dict):
    """Replace out of scope (oos) tags."""
    oos_tags = [item for item in df.tag.unique() if item not in tags_dict.keys()]
    df.tag = df.tag.apply(lambda x: "other" if x in oos_tags else x)
    return df

最好将它们包装为一个单独的函数，因为可能想要：

在项目的其他部分或其他项目中重复此功能。
测试这些标签实际上是否被正确替换。

组合广义函数

Specific
def replace_oos_tags(df, tags_dict):
    """Replace out of scope (oos) tags."""
    oos_tags = [item for item in df.tag.unique() if item not in tags_dict.keys()]
    df.tag = df.tag.apply(lambda x: "other" if x in oos_tags else x)
    return df

────相比────

Generalized
def replace_oos_labels(df, labels, label_col, oos_label="other"):
    """Replace out of scope (oos) labels."""
    oos_tags = [item for item in df[label_col].unique() if item not in labels]
    df[label_col] = df[label_col].apply(lambda x: oos_label if x in oos_tags else x)
    return df