项目实训-智能生物序列分析平台-后端模块（5）

训练部分代码

train部分代码完成

train代码

这部分是服务器的训练的主代码，内容比较多，而且变量的设计复杂，需要仔细的剥开讲讲。

def SL_train(config, modelsORpara):
    torch.cuda.set_device(config.device)

    roc_datas, prc_datas = [], []
    repres_list, label_list = [], []
    train_seq, test_seq = [], []
    train_label, test_label = [], []
    pos_list = []
    neg_list = []
    best_performance = []
    data_statistic = []  # train pos, train neg, test pos, test neg
    time_use = []

    step_log_interval = []
    train_metric_record = []
    train_loss_record = []

    step_test_interval = []
    test_metric_record = []
    test_loss_record = []

首先是定义了一大波参数，我们开始顺次标注一下

1. roc_datas, prc_datas：用来存放画图的roc和pr数据
2. repres_list, label_list：用来存放模型得倒的特征提取和标签列表
3. train_seq, test_seq：测试的sequence和测试的sequence
4. train_label, test_label：训练集的label和测试集的label
5. pos_list, neg_list：存放模型预测的正负样本的置信度
6. best_performance：存放模型最好的表现的数组
7. data_statistic：数据统计的函数统计这几个train pos, train neg, test pos, test neg的数量
8. time_use：每个模型训练的耗时记录
9. step_log_interval：用来画epochlog的step的横坐标
10. train_metric_record：用来画epochlog的其一纵坐标准确度
11. train_loss_record：用来画epochlog的其一纵坐标损失值（loss）

    if_same = config.if_same
    if_same = True
    savepath = '/data/result/' + config.learn_name
    # if not os.path.exists('../data/result/'):
    #     os.mkdir('../data/result/')
    if not os.path.exists(savepath + '/plot'):
        os.mkdir(savepath + '/plot')

    util_file.filiter_fasta(config.path_data, savepath, skip_first=False)

用来保存数据记录的文件夹的创建，以及切分相应的数据集作为对应的四个小数据集，方便后面的数据统计操作。

    names