文章目录
前言
最近在系统学习百度PaddlePaddle框架，并对官方教程进行实现，这里给出第一个实践：Boston房价预测。
1. Paddle实现
这里给出的是python代码实现，为保证代码能够运行，请先安装paddlepaddle，网上有很多安装教程，针对Windows, Mac, Linux都有介绍，这里就不赘述了。
本人针对paddle官方文档中代码中错误进行了纠正：
- 反向计算时替代使用paddle.nn.functional中平方损失函数，使用paddle.nn.loss中平方损失类MSELoss。
#加载飞桨、Numpy和相关类库
#飞桨主库
import paddle
# 组网相关API，比如Linear, Conv2D, LSTM, CrossEntropyLoss, ReLU等
# Linear:神经网络的全连接层函数
from paddle.nn import Linear
# 与paddle.nn一样，包含组网相关API,两者功能相同，运行性能也基本一致，但是paddle.nn下均是类， functional下均是函数
import paddle.nn.functional as F
import numpy as np
import os
import random
# 1. 数据处理
def load_data():
# 从文件导入数据
datafile = './dataset/housing.data'
data = np.fromfile(datafile, sep=' ', dtype = np.float32)
# 每条数据包含14项，其中前面13项是影响因素 - 特征，第14项是相应的房屋价格中位数 - 真实值Ground Truth
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])
# 将原始数据集拆分成训练集80%和测试集20%
# 训练集和测试集是互斥的
ratio = 0.8
offset = int(data.shape[0] * 0.8)
train_data = data[:offset]
# 计算train数据集的最大值、最小值、平均值
maximums, minimums, avgs = train_data.max(axis=0), train_data.min(axis=0), \
train_data.sum(axis=0) / train_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):
data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])
# 训练集和测试集划分
train_data = data[:offset]
test_data = data[offset:]
return train_data, test_data
# 2. 模型设计
class Regressor(paddle.nn.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
# 3. 训练配置
# 3.1 声明定义好的线性回归模型
model = Regressor()
# 3.2 开启模型训练模式
model.train()
# 3.3 加载数据
train_data, test_data = load_data()
# 3.4 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())
# 4. 训练过程
EPOCH_NUM = 10 # 数据集训练次数
BATCH_SIZE = 10 # 数据集每个Batch大小
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打乱
np.random.shuffle(train_data)
# 将训练数据进行拆分，每个batch包含10条数据
mini_batches = [train_data[k: k+BATCH_SIZE] for k in range(0, len(train_data), BATCH_SIZE)]
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
# 将numpy转为飞桨动态图tensor类型
house_features = paddle.to_tensor(x)
prices = paddle.to_tensor(y)
# 前向计算
predicts = model(house_features)
# 计算损失
loss = paddle.nn.loss.MSELoss()
avg_loss = loss(predicts, prices)
if iter_id % 20 == 0:
print('epoch:{}, iter:{}, loss is: {}'.format(
epoch_id, iter_id, avg_loss.numpy()[0]
))
# 反向计算
avg_loss.backward()
# 最小化loss, 更新参数
opt.step()
# 清空梯度
opt.clear_grad()
# 5. 保存并测试模型
# 5.1 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')
# 5.2 测试模型
def load_one_example():
# 从上边已加载的测试集中，随机选择一个作为测试数据
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
# 加载模型参数
model_dict = paddle.load('LR_model.pdparams')
model.load_dict(model_dict)
# 切换模型状态：预测状态
model.eval()
# 加载1条测试数据
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)
predict = model(one_data)
# 对结果进行反归一化处理
predict = predict * (max_values[-1] - min_values[-1]) + avg_values[-1]
# 对label数据做反归一化处理
label = label * (max_values[-1] - min_values[-1]) + avg_values[-1]
print('Inference result is {}, the corresponding label is {}.'.format(
predict.numpy(), label
))
2. 源码及数据集
上述源码和相关数据集请从gitee上获取，谢谢！
https://gitee.com/dttrcv/paddle-practice/tree/master/BostonHousing
参考
https://www.paddlepaddle.org.cn/tutorials/projectdetail/2267447