利用ChatGPT完成深度学习分类任务

最新推荐文章于 2024-04-30 23:23:05 发布

神经网络爱死你了我可

最新推荐文章于 2024-04-30 23:23:05 发布

阅读量4.4k

点赞数 2

文章标签：深度学习 chatgpt 分类

本文链接：https://blog.csdn.net/ACMLETUSGO/article/details/130140141

版权

利用ChatGPT完成深度学习分类任务

一、任务背景

关于早期诊断NEC（坏死性小肠结肠炎（Necrotizing enterocolitis，NEC））和及时干预一直是临床关注的重点和难点问题。现在手上有相关的临床数据集，我们想要根据患者的各项指标，尝试从数据角度，探索出一套隐藏在数据背后的潜在规律，帮助医生更好的诊断预防该疾病的发生。

二、任务分析

2.1 问题定位

观察数据我们能够初步发现，这是一个多特征二分类的任务，同时我们想用深度学习的方法来解决这个问题，那么让我们先听听chatgpt怎么说？

在这里插入图片描述

太棒了，它的回答中举的例子正好就是医学相关的案例，说明我们对问题定性的没有问题。

2.2算法选用

既然我们的问题定位已经确定了，但是关于深度学习的分类算法有那么多，到底具体的解决算法该选择哪个呢？各个算法之间的优劣又是什么呢？那就让chatgpt帮助回答一下吧！
在这里插入图片描述

可以看到有各式各样的算法，因为笔者正好是主要研究这个方向，有相关的知识基础，所以看的还是比较轻松，但是对于小白来说可能不免有些疑惑了。到这里确实就需要知识积累了：在提供给你众多的算法选择，究竟选择哪个最合适？这里就体现了一个程序员的自我素养和知识功底了！

哈哈哈，你是不是不服，那我帮你试一下，看看究竟它会不会真的知道哪个最合适！

看到了吧，它的回答完全是和稀泥，把各个算法又都说了一遍，就是不告诉你哪个最好，哪个最合适🤣🤣🤣，你拿它一点办法都没，这就是语言的艺术（DOGE）。

最后，因为笔者对上述的各个算法都有研究，觉得其实简单的BP网络就可以很好解决，其它的网络分别更好的适应CV、NLP的，用在这里并不会有较高的提升。所以最终我选择了简单的NN来解决问题。

2.3具体编码

好的，我们发现上个阶段，ChatGPT并没有帮助我们特别多，仅仅提供了参考意见，我们最终还是根据自身的编程经验选择了NN网络来作为本次的算法支持。那么下面，让我们看看它的动手编程能力吧！

先让他写个小demo看看效果，因为笔者更喜欢PyTorch框架，所以就选择让他用这个框架了。
在这里插入图片描述

写的非常好，属于非常标准的写法了，用的是一个简单的三层BP网络架构，好的，那我们初步就打算用这套代码了，现在需要自定义适配到我们的自己数据集上。

首先，我们发现，我们的数据集是xlsx文件，而它上面的例子中使用的是csv文件，来问问它怎么处理呢。

在这里插入图片描述

好的，已经有模有样了，但是数据标签数量还未修改，自己懒得改了，直接交给他了。

$ [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2I7XFo9k-1681390851755)(C:\Users\Lenovo\AppData\Roaming\Typora\typora-user-images\image-20230413200613392.png)]$

（由于代码结构相似，就不全部展示了）

接下来，感觉完事大吉了，那就Run一下吧！

糟糕，报错了！害，我就知道，不能全指望它，没有这么简单的事情。

直接把报错传给他，看看它会不会解决吧。

在这里插入图片描述

那就按照它说的，把数据集示例发给他看看。

在这里插入图片描述

好家伙，这么智能呀，完全理解了我想做的事情，甚至知道了数据集的含义，早知道上来就应该先把数据示例发给它了！这点希望大家引以为戒：上来先把自己的数据集示例发给chatgpt，可以有助于它整体的代码方向和细节！

接下来，见证神奇的事情：代码真的跑起来了！看到真的连AI代码都能运行起来，而且整体实现时间不超过半小时，我开始担心了我是否之后要失业😨！

但是跑起来是跑起来了，剩下的是专业性的错误了。发现出现了梯度爆炸，损失函数没有收敛！！！不应该呀，又去仔细看了一下代码，代码是标准的BP网络的写法呀，一时间想不到原因，那也问问它吧！

在这里插入图片描述

经过它这么一提示，我去仔细检查了一下数据，发现确实数据集出了问题，结果值是1和2！但是网络的输出只能是0-1，这就导致了损失值爆炸的原因，不可能收敛，于是去手动修改了数据集结果值，把2改为了0。

ok，这下又出现了超正常的情况🤣

在这里插入图片描述

哦对，确实欸，为了防止过拟合，Dropout层是常用的，怎么把这个都给忘了😔，看来机器确实强大啊！永远不会遗忘…
在这里插入图片描述

可以看到，已经在上面加入了Dropout层，丢弃概率为0.5。这下应该没问题了吧。

好家伙，更离谱了🤣

在这里插入图片描述

准确率直接干到了100%，作为一个经常炼丹的玩家，连大模型都从来无法拉到100%，一个简单的BP直接拉满，离大谱😅😅。那好吧，它建议用交叉验证，那就用一下吧。

在这里插入图片描述

发现，这个回答并没有写在我们的代码里，而是单独写了一段，应该是自己的提问有问题，还是不够详细具体，没有指明让他写到之前的代码里。这里后续就不赘述了。

写到这里，这个任务的一个简单BP网络代码+交叉验证就已经写好了，并且可以正常运行了，碰巧笔者略有忘记交叉验证这一块的内容了，那就让chatgpt扮演一下老师的角色吧！看看它是否称职。

在这里插入图片描述

发现，讲的还是挺全面细致的，对于那些有一定知识积累的朋友，想必看完立马就能明白了，但是对于小白来说可能还是无法深入理解。所以，总结来说，真正的知识还是得靠自己学，仅靠chatgpt无法教会你真正的原理，只能起到锦上添花的作用，不能做到一劳永逸。

最后，笔者为了增加用户的体验性，还让chatgpt给我设计了一个简单的GUI操作界面，相关的调教指令这里就不再赘述了，相信通过上面的教程，大家都知道了如何给它下命令了，这里就给大家自我发挥的空间，调教出一个专属于你的chatgpt吧！下面是我的，不断优化了很多遍，最终还不错吧。因为笔者十分十分十分（此处N项）讨厌任何前端，所以感觉能做成这样，我已经很满意了😄哈哈哈毕竟不用自己写✍。

在这里插入图片描述

三、个人总结

3.1 总体感觉

通过本次利用ChatGPT做了一个简单的BP分类任务，发现体验还是不错的，因为笔者本身有相关的DL学习基础，所以整体使用并未遇到任何知识性难题，对于ChatGPT给出的各项建议和专业术语，阅读起来也十分流畅。

3.2 收获心得

不得不说，一些遗忘的知识点，借助ChatGPT可以快速回顾起来，一些自己知道可以用来优化/调试的方法由于不常用导致忘记的，ChatGPT可以针对性地帮助你想到，而不用用传统浏览器搜索，往往由于问题十分宽泛以及个性化，无法在浏览器上特别快速地找到解决方法，而这点也是笔者本次感觉为什么ChatGPT太能提高生产编程效率的一点。