paddle01之房价预测

深度学习步骤：

• １. 数据处理：读取数据 和 预处理操作
• ２. 模型设计：网络结构（假设）
• ３. 训练配置：优化器（寻解算法）
• ４. 训练过程：循环调用训练过程，包括前向计算 + 计算损失（优化目标) + 后向传播
• ５. 保存模型并测试：将训练好的模型保存

一、数据处理

import paddle
import paddle.fluid as fluid
import paddle.fluid.dygraph as dygraph
from paddle.fluid.dygraph import FC
import numpy as np


# 加载数据
def load_data():
    # 从文件导入数据
    datafile = 'housing.data'
    data = np.fromfile(datafile, sep=' ')

    # 每条数据包含14项，其中前面13项是影响因素，，第14项是相应的房屋价格中位数
    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数据集和测试集
    # 这里使用80%的数据集做训练，20%的数据集做测试
    # 测试集和训练集必须是没有交集的
    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，均值
    maximums, minimums, avgs = train_data.max(axis=0), \
                               train_data.min(axis=0),  train_data.sum(axis=0)/train_data.shape[0]
    # 随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])

    # 训练集和测试集的划分
    train_data = data[:offset]
    test_data = data[offset:]
    return train_data, test_data

二、模型设计

class Regressor(fluid.dygraph.Layer):
    def __init__(self, name_scope):
        super(Regressor, self).__init__(name_scope)
        name_scope = self.full_name()

        self.fc = FC(name_scope, size=1, act=None)

    def forward(self, inputs):
        x = self.fc(inputs)
        return x

三、训练配置

# 定义飞桨动态图的工作环境
with fluid.dygraph.guard():
    # 声明定义好的线性回归模型
    model = Regressor("Regressor")
    # 开启模型训练模式
    model.train()
    # 加载数据
    training_data, test_data = load_data()
    # 定义优化算法，这里使用随机梯度下降-SGD
    # 学习率设置为0.01
    opt = fluid.optimizer.SGD(learning_rate=0.01)

四、训练过程

     两层循环，四个计算（前向计算，损失计算，反向传播，梯度计算）

with dygraph.guard():
    EPOCH_NUM = 10   # 设置外层循环次数
    BATCH_SIZE = 10  # 设置batch大小
    
    # 定义外层循环
    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的打乱
        np.random.shuffle(training_data)
        # 将训练数据进行拆分，每个batch包含10条数据
        mini_batches = [training_data[k:k+BATCH_SIZE] for k in range(0, len(training_data), BATCH_SIZE)]
        # 定义内层循环
        for iter_id, mini_batch in enumerate(mini_batches):
            x = np.array(mini_batch[:, :-1]).astype('float32') # 获得当前批次训练数据
            y = np.array(mini_batch[:, -1:]).astype('float32') # 获得当前批次训练标签（真实房价）
            # 将numpy数据转为飞桨动态图variable形式
            house_features = dygraph.to_variable(x)
            prices = dygraph.to_variable(y)
            
            # 前向计算
            predicts = model(house_features)
            
            # 计算损失
            loss = fluid.layers.square_error_cost(predicts, label=prices)
            avg_loss = fluid.layers.mean(fluid.layers.sqrt(loss))
            if iter_id%20==0:
                print("epoch: {}, iter: {}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy()))
            
            # 反向传播
            avg_loss.backward()
            # 最小化loss,更新参数
            opt.minimize(avg_loss)
            # 清除梯度
            model.clear_gradients()
    # 保存模型
    fluid.save_dygraph(model.state_dict(), 'LR_model')

五、保存模型

# 定义飞桨动态图工作环境
with fluid.dygraph.guard():
    # 保存模型参数，文件名为LR_model
    fluid.save_dygraph(model.state_dict(), 'LR_model')
    print("模型保存成功，模型参数保存在LR_model中")

六、预测

def load_one_example(data_dir):
    f = open(data_dir, 'r')
    datas = f.readlines()
    # 选择倒数第10条数据用于测试
    tmp = datas[-10]
    tmp = tmp.strip().split()
    one_data = [float(v) for v in tmp]

    # 对数据进行归一化处理
    for i in range(len(one_data)-1):
        one_data[i] = (one_data[i] - avg_values[i]) / (max_values[i] - min_values[i])

    data = np.reshape(np.array(one_data[:-1]), [1, -1]).astype(np.float32)
    label = one_data[-1]
    return data, label

with dygraph.guard():
    # 参数为保存模型参数的文件地址
    model_dict, _ = fluid.load_dygraph('LR_model')
    model.load_dict(model_dict)
    model.eval()

    # 参数为数据集的文件地址
    test_data, label = load_one_example('./work/housing.data')
    # 将数据转为动态图的variable格式
    test_data = dygraph.to_variable(test_data)
    results = model(test_data)

    # 对结果做反归一化处理
    results = results * (max_values[-1] - min_values[-1]) + avg_values[-1]
    print("Inference result is {}, the corresponding label is {}".format(results.numpy(), label))

预测结果：

七、完整程序

import paddle
import paddle.fluid as fluid
import paddle.fluid.dygraph as dygraph
from paddle.fluid.dygraph import FC
import numpy as np


# 加载数据
def load_data():
    # 从文件导入数据
    datafile = 'housing.data'
    data = np.fromfile(datafile, sep=' ')

    # 每条数据包含14项，其中前面13项是影响因素，，第14项是相应的房屋价格中位数
    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数据集和测试集
    # 这里使用80%的数据集做训练，20%的数据集做测试
    # 测试集和训练集必须是没有交集的
    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，均值
    maximums, minimums, avgs = train_data.max(axis=0), \
                               train_data.min(axis=0),  train_data.sum(axis=0)/train_data.shape[0]
    # 随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])

    # 训练集和测试集的划分
    train_data = data[:offset]
    test_data = data[offset:]
    return train_data, test_data


# 网络构建
class Regressor(fluid.dygraph.Layer):
    def __init__(self, name_scope):
        super(Regressor, self).__init__(name_scope)
        name_scope = self.full_name()

        self.fc = FC(name_scope, size=1, act=None)

    def forward(self, inputs):
        x = self.fc(inputs)
        return x


def trainer():
    use_gpu = False
    place = fluid.CUDAPlace(0) if use_gpu else fluid.CPUPlace()
    # 训练配置
    # 定义飞浆动态图的工作环境
    with fluid.dygraph.guard(place):
        # 申明定义好的回归模型
        model = Regressor("Regressor")

        # 开启模型训练模式
        model.train()
        # 加载数据
        train_data, test_data = load_data()
        # 定义优化算法，SGD,学习率为0.01
        opt = fluid.optimizer.SGD(learning_rate=0.01)

    with dygraph.guard(place):
        EPOCH_NUM = 10  # 设置外层循环次数
        BATCH_SIZE = 10  # 设置batch尺寸

        # 定义外层循环
        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)
            #  将训练数据集进行拆分，每个batch包含10条数据
            mini_batchs = [train_data[k:k+BATCH_SIZE] for k in range(0, len(train_data), BATCH_SIZE)]

            # 定义内层循环
            for iter_id, mini_batch in enumerate(mini_batchs):
                x = np.array(mini_batch[:, :-1]).astype('float32')
                t = np.array(mini_batch[:, -1:]).astype('float32')
                # 将numpy数据转为飞浆动态图variable形式
                house_features = dygraph.to_variable(x)
                prices = dygraph.to_variable(t)
                # 前向计算
                predicts = model(house_features)
                # 损失计算
                loss = fluid.layers.square_error_cost(predicts, label=prices)
                avg_loss = fluid.layers.mean(fluid.layers.sqrt(loss))
                if iter_id % 20 == 0:
                    print('epoch: {}, iter: {}, loss is: {}'.format(epoch_id, iter_id, avg_loss.numpy()))
                # 反向传播
                avg_loss.backward()
                # 最小化loss，更新参数
                opt.minimize(avg_loss)
                # 清除梯度
                model.clear_gradients()
        # 保存模型
        fluid.save_dygraph(model.state_dict(), 'LR_model')
        print('模型保存成功，模型参数保存在LR_model中')


def load_one_example(data_dir):
    f = open(data_dir, 'r')
    datas = f.readlines()
    # 选择倒数第10条数据用于测试
    tmp = datas[-10]
    tmp = tmp.strip().split()
    one_data = [float(v) for v in tmp]

    data = np.reshape(np.array(one_data[:-1]), [1, -1]).astype(np.float32)
    label = one_data[-1]
    return data, label


def predict():
    model = Regressor("Regressor")
    use_gpu = False
    place = fluid.CUDAPlace(0) if use_gpu else fluid.CPUPlace()
    with dygraph.guard(place):
        # 参数为保存模型参数的文件地址
        model_dict, _ = fluid.load_dygraph('LR_model')
        model.load_dict(model_dict)
        model.eval()

        # 参数为数据集的文件地址
        test_data, label = load_one_example('housing.data')
        test_data = dygraph.to_variable(test_data)
        results = model(test_data)
        print('Inference result is {}, the corresponding label is {}'.format(results.numpy(), label))


if __name__ == "__main__":
    # trainer()
    predict()