8.9,8.10,8.11,8.12,8.13 batch_flow_bucket,生产虚假数据

1.在data_utils.data中增加代码

def batch_flow_bucket(data,ws,batch_size,raw=False,add_end=True,
                      n_bucket=5,bucket_ind=1,debug=False):
    #bucket_ind是指哪一个维度的输入作为bucket的依据
    #n_bucket就是指把数据分成了多少个bucket
    all_data=list(zip(*data))
    lengths=sorted(list(set([len(x[bucket_ind]) for x in all_data])))
    if n_bucket>len(lengths):
        n_bucket=len(lengths)
    splits=np.array(lengths)[
        (np.linspace(0,1,5,endpoint=False)*len(lengths)).astype(int)
    ].tolist()

    splits+=[np.inf] #np.inf无限大的正整数

    if debug:
        print(splits)

    ind_data={}
    for x in all_data:
        l=len(x[bucket_ind])
        for ind,s in enumerate(splits[:-1]):
            if l>=s and l<=splits[ind +1]:
                if ind not in ind_data:
                    ind_data[ind]=[]
                ind_data[ind].append(x)
                break

    inds=sorted(list(ind_data.keys()))
    ind_p=[len(ind_data[x])/len(all_data)for x in inds]
    if debug:
        print(np.sum(ind_p),ind_p)

    if isinstance(ws,(list,tuple)):
        assert len(ws)==len(data),"len(ws)必须等于len(data), ws是list或者是tuple"

    if isinstance(add_end,bool):
        add_end=[add_end]*len(data)
    else:
        assert(isinstance(add_end,(list,tuple))),"add_end不是boolean,就应该是一个list(tuple) "
        assert len(add_end) ==len(data),"如果add_end是list(tuple),那么add_end的查那个度应该和输入数据长度是一致的"

    mul=2
    if raw:
        mul=3

    while True:
        choice_ind=np.random.choice(inds,p=ind_p)
        if debug:
            print('choice_ind',choice_ind)
        data_batch=random.sample(ind_data[choice_ind],batch_size)
        batches=[[] for i in range(len(data)*mul)]

        max_lens=[]
        for j in range(len(data)):
            max_len=max([
                len(x[j]) if hasattr(x[j],'__len__') else 0
                for x in data_batch
            ])+(1 if add_end[j] else 0)

            max_lens.append(max_len)

        for d in data_batch:
            for j in range(len(data)):
                if isinstance(ws,(list,tuple)):
                    w=ws[j]
                else:
                    w=ws
                #添加结尾
                line=d[j]
                if add_end[j] and isinstance(line,(tuple,list)):
                    line=list(line)+[WordSequence.END_TAG]

                if w is not None:
                    x, xl=transform_sentence(line,w,max_lens[j],add_end[j])
                    batches[j*mul].append(x)
                    batches[j*mul+1].append(xl)
                else:
                    batches[j * mul].append(line)
                    batches[j * mul + 1].append(line)
                if raw:
                    batches[j*mul +2].append(line)
        batches=[np.asarray(x) for x in batches]

        yield batches

def test_batch_flow():
    from fake_data import generate
    x_data,y_data,ws_input,ws_target=generate(size=10000)
    flow=batch_flow([x_data,y_data],[ws_input,ws_target],4)
    x,xl,y,yl=next(flow)
    print(x.shape, y.shape, xl.shape, yl.shape)

def test_batch_flow_bucket():
    from fake_data import generate
    x_data, y_data, ws_input, ws_target=generate(size=10000)
    flow=batch_flow_bucket([x_data,y_data],[ws_input,ws_target],4,debug=True)
    for _ in range(10):
        x,xl,y,yl=next(flow)
        print(x.shape,y.shape,xl.shape,yl.shape)

if __name__=='__main__':
    # size=30000
    # print(_get_embed_device(size))
    #test_batch_flow()
    test_batch_flow_bucket()

2.新建虚假数据Fake_data.py文件

import random
import numpy as np
from word_sequence import WordSequence

def generate(max_len=10,size=1000,same_len=False,seed=0):
    """生成虚假的数据"""

    dictionary={
        'a':'1',
        'b':'2',
        'c':'3',
        'd':'4',
        'aa':'1',
        'bb':'2',
        'cc':'3',
        'dd':'4',
        'aaa':'1'
    }

    if seed is not None:
        random.seed(seed)

    input_list=sorted(list(dictionary.keys()))

    x_data=[]
    y_data=[]

    for x in range(size):
        a_len=int(random.random()*max_len)+1
        x=[]
        y=[]
        for _ in range(a_len):
            word=input_list[int(random.random()*len(input_list))]
            x.append(word)
            y.append(dictionary[word])
            if not same_len:
                if y[-1]=='2':
                    y.append('2')
                elif y[-1]=='3':
                    y.append('3')
                    y.append('4')
        x_data.append(x)
        y_data.append(y)

    ws_input=WordSequence()
    ws_input.fit(x_data)

    ws_target=WordSequence()
    ws_target.fit(y_data)
    return x_data,y_data,ws_input,ws_target

def test():
    x_data,y_data,ws_input,ws_target=generate()
    print(len(x_data))
    assert len(x_data)==1000
    print(len(y_data))
    assert len(y_data)==1000
    print(np.max([len(x) for x in x_data]))
    assert np.max([len(x) for x in x_data])==10
    print(len(ws_input))
    assert len(ws_input)==14
    print(len(ws_target))

if __name__=='__main__':
    test()

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
完整版:https://download.csdn.net/download/qq_27595745/89522468 【课程大纲】 1-1 什么是java 1-2 认识java语言 1-3 java平台的体系结构 1-4 java SE环境安装和配置 2-1 java程序简介 2-2 计算机中的程序 2-3 java程序 2-4 java类库组织结构和文档 2-5 java虚拟机简介 2-6 java的垃圾回收器 2-7 java上机练习 3-1 java语言基础入门 3-2 数据的分类 3-3 标识符、关键字和常量 3-4 运算符 3-5 表达式 3-6 顺序结构和选择结构 3-7 循环语句 3-8 跳转语句 3-9 MyEclipse工具介绍 3-10 java基础知识章节练习 4-1 一维数组 4-2 数组应用 4-3 多维数组 4-4 排序算法 4-5 增强for循环 4-6 数组和排序算法章节练习 5-0 抽象和封装 5-1 面向过程的设计思想 5-2 面向对象的设计思想 5-3 抽象 5-4 封装 5-5 属性 5-6 方法的定义 5-7 this关键字 5-8 javaBean 5-9 包 package 5-10 抽象和封装章节练习 6-0 继承和多态 6-1 继承 6-2 object类 6-3 多态 6-4 访问修饰符 6-5 static修饰符 6-6 final修饰符 6-7 abstract修饰符 6-8 接口 6-9 继承和多态 章节练习 7-1 面向对象的分析与设计简介 7-2 对象模型建立 7-3 类之间的关系 7-4 软件的可维护与复用设计原则 7-5 面向对象的设计与分析 章节练习 8-1 内部类与包装器 8-2 对象包装器 8-3 装箱和拆箱 8-4 练习题 9-1 常用类介绍 9-2 StringBuffer和String Builder类 9-3 Rintime类的使用 9-4 日期类简介 9-5 java程序国际化的实现 9-6 Random类和Math类 9-7 枚举 9-8 练习题 10-1 java异常处理 10-2 认识异常 10-3 使用try和catch捕获异常 10-4 使用throw和throws引发异常 10-5 finally关键字 10-6 getMessage和printStackTrace方法 10-7 异常分类 10-8 自定义异常类 10-9 练习题 11-1 Java集合框架和泛型机制 11-2 Collection接口 11-3 Set接口实现类 11-4 List接口实现类 11-5 Map接口 11-6 Collections类 11-7 泛型概述 11-8 练习题 12-1 多线程 12-2 线程的生命周期 12-3 线程的调度和优先级 12-4 线程的同步 12-5 集合类的同步问题 12-6 用Timer类调度任务 12-7 练习题 13-1 Java IO 13-2 Java IO原理 13-3 流类的结构 13-4 文件流 13-5 缓冲流 13-6 转换流 13-7 数据流 13-8 打印流 13-9 对象流 13-10 随机存取文件流 13-11 zip文件流 13-12 练习题 14-1 图形用户界面设计 14-2 事件处理机制 14-3 AWT常用组件 14-4 swing简介 14-5 可视化开发swing组件 14-6 声音的播放和处理 14-7 2D图形的绘制 14-8 练习题 15-1 反射 15-2 使用Java反射机制 15-3 反射与动态代理 15-4 练习题 16-1 Java标注 16-2 JDK内置的基本标注类型 16-3 自定义标注类型 16-4 对标注进行标注 16-5 利用反射获取标注信息 16-6 练习题 17-1 顶目实战1-单机版五子棋游戏 17-2 总体设计 17-3 代码实现 17-4 程序的运行与发布 17-5 手动生成可执行JAR文件 17-6 练习题 18-1 Java数据库编程 18-2 JDBC类和接口 18-3 JDBC操作SQL 18-4 JDBC基本示例 18-5 JDBC应用示例 18-6 练习题 19-1 。。。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值