本文章采用线下部署,使用pycharm工具调试
第一步:paddle环境部署
1.进入Paddle官网。快速进入
2.选择适合本机的环境,按照步骤即可命令行安装
注意的是:安装环境要是pycharm使用的环境
3.建立工程导入文件即可
第二步:调参
可以参照以往博客对照调参。针对鲍鱼年龄预测这一任务,由于源码保证大体不动的要求调整参数,具体调节了一下几个部分。
1.训练批次大小
BATCH_SIZE = 100
2.数据集分割方式
# 分割训练集、测试集
#被划分的样本特征集
#被划分的样本标签
#测试集占比
#随机数种子
X_train, X_test, y_train, y_test = train_test_split(data_X,data_Y,test_size=0.3,random_state=0)
3.网络结构
#input:输入;
#size:该层输出单元的数目
#act:激活函数
y_nn_1=fluid.layers.fc(input=x,size=100,bias_attr=True)
bn = fluid.layers.batch_norm(input=y_nn_1)
drop = fluid.layers.dropout(x=bn, dropout_prob=0.5)
y_nn_2=fluid.layers.fc(input=drop,size=200,act="relu",bias_attr=True)
drop_1 = fluid.layers.dropout(x=y_nn_2, dropout_prob=0.5)
y_nn_3=fluid.layers.fc(input=drop_1,size=200,act="relu",bias_attr=True)
drop_2 = fluid.layers.dropout(x=y_nn_3, dropout_prob=0.7)
y_nn_4=fluid.layers.fc(input=drop_2,size=200,act="relu",bias_attr=True)
y_nn_5=fluid.layers.fc(input=y_nn_4,size=80,act="relu",bias_attr=True)
y_predict=fluid.layers.fc(input=y_nn_5,size=1,bias_attr=True,act=None)
3.优化器、学习率、代价函数
optimizer = fluid.optimizer.AdadeltaOptimizer(learning_rate=1e-4,regularization=fluid.regularizer.L2DecayRegularizer(regularization_coeff=0.01))
opts = optimizer.minimize(avg_cost)
4.训练轮数
#训练轮数:所有训练数据的一个前向传递和一个后向传递为一轮
EPOCH_NUM=100
注:具体实现代码点击这里