pytorch实践：名字分类的RNN模型

---

前言

任务是这样的，我们需要设计一个模型，针对不同的名字，判断他到底是哪个国家。
比如：
bob 英国的
bingbing Wang 中国的

一、先上代码

#根据名字分类国家
import numpy as np
import torch
from torch.utils.data import DataLoader,Dataset
import matplotlib.pyplot as plt
import gzip
import csv
import time

class NameDataset(Dataset):
    def __init__(self,is_train_set=True):
        filename='names_train.csv.gz'if is_train_set else'names_test.csv.gz'
        #多种不同的方式读取数据，gzip格式如下
        with gzip.open(filename,'rt') as f:
            reader=csv.reader(f)
            rows=list(reader)#name,lauguage对
        self.names=[row[0] for row in rows]
        self.len=len(self.names)
        self.countries=[row[1] for row in rows]
        #set 集合，去除重复元素 sort排序 list变成列表
        self.country_list=list(sorted(set(self.countries)))
        #country变成一个字典
        self.country_dict=self.getCountryDict()

        self.country_num=len(self.country_list)#索引总数

    #save countries and its index in list and dictionary
    def __getitem__(self, index):
        #名字string country索引
        return self.names[index],self.country_dict[self.countries[index]]

    def __len__(self):
        return self.len

    #convert list to dictionary
    def getCountryDict(self):
        country_dict=dict()#空字典