TrustGeo代码理解（六）main.py中的main（）中的一些理解

最新推荐文章于 2024-11-14 13:48:50 发布

路由跳变

最新推荐文章于 2024-11-14 13:48:50 发布

阅读量569

点赞数 10

分类专栏： TrustGeo 文章标签： python 人工智能机器学习

本文链接：https://blog.csdn.net/sinat_41942180/article/details/139239378

版权

本文深入解析TrustGeo代码中的main.py，重点在于训练和测试时的损失计算。训练时采用NIG_loss结合三种视角进行优化，旨在模型多视角学习。测试时则计算预测与真实位置的欧氏距离，直接反映模型预测性能。设计如此，旨在确保模型在训练过程中的有效优化及测试时的直观评估。

摘要由CSDN通过智能技术生成

在TrustGeo代码理解（六）main.py（运行模型进行训练和测试）-CSDN博客中的十一部分中有以下代码：

if __name__ == '__main__':
    train_data, test_data = get_data_generator(opt, train_data, test_data, normal=2)
 
    log_path = f"asset/log"
    if not os.path.exists(log_path):
        os.mkdir(log_path)
        
    f = open(f"asset/log/{opt.dataset}.txt", 'a')
    f.write(f"*********{opt.dataset}*********\n")
    f.write("dim_in="+str(opt.dim_in)+", ")
    f.write("early_stop_epoch="+str(opt.early_stop_epoch)+", ")
    f.write("harved_epoch="+str(opt.harved_epoch)+", ")
    f.write("saved_epoch="+str(opt.saved_epoch)+", ")
    f.write("lambda="+str(opt.lambda1)+", ")
    f.write("lr="+str(opt.lr)+", ")
    f.write("model_name="+opt.model_name+", ")
    f.write("seed="+str(opt.seed)+",")
    f.write("\n")
    f.close()
 
    # train
    losses = [np.inf]
    no_better_epoch = 0
    early_stop_epoch = 0
 
    for epoch in range(2000):
        print("epoch {}.    ".format(epoch))
        beta = min([(epoch * 1.) / max([100, 1.]), 1.])
        total_loss, total_mae, train_num, total_data_perturb_loss = 0, 0, 0, 0
        model.train()
        for i in range(len(train_data)):
            lm_X, lm_Y, tg_X, tg_Y, lm_delay, tg_delay, y_max, y_min = train_data[i]["lm_X"], \
                                                                       train_data[i]["lm_Y"], \
                                                                       train_data[i]["tg_X"], \
                                                                       train_data[i]["tg_Y"], \