定时自动转储数据--项目后台管理界面

摘要

本周一是实现条件查询定时自动导出sql文件,应用navicat 可以可视化简洁实现定时自动导出任务;二是对力源后台管理界面的跳转页面的关系的学习,与其代码的设计逻辑框架,与代码逐步复现。三是深度学习的实践,对机器翻译的数据集的预处理,与训练模型的学习。

一. 条件查询结果定时转储数据的实现

使用nvaicat 15 for mysql 即可实现(使用命令较为繁琐)

  1. 在test数据库下新建条件查询事件
    本次是查询统计在学生成绩表的按季度和课程统计成绩的最大值,最小值,平均值。
    在这里插入图片描述

  2. 直接导出查询结果,按你需要的导出文件格式
    在这里插入图片描述
    记得添加事件戳,并保存导出查询,但不要点开始。

  3. 保存之后,将统计成绩表查询导出,自动运行,将查询事件拖入任务计划中。(注意:先保存任务查询,后才以设置任务计划。)
    在这里插入图片描述
    根据需求设置执行事件的时间点,开始——截止,间隔时间,就保存设置。登入账号信息,执行定时任务。

在这里插入图片描述
小结: 使用navicat 实现对数据库的管理比使用命令要简单明了许多,如果使用命令,过程较为麻烦。利用navicat 实现数据库表数据的条件查询,再导出查询事件,将其添加到自动运行任务计划中,根据导出计划自行设置即可执行。

二. 力源项目

1.对后台管理界面的设计代码的学习
在这里插入图片描述
其主要逻辑关系,及代码都是之前应用HTML+CSS+JS构建设计前端,并通过php 对MYSQL数据进行操作,利用ajax 技术去前后端交互。这里之前学习过一部分,在复习应用一下,实践调试一遍,对后台管理界面就差不多了解全面。

  1. 对出库APP的学习(还没有具体去看,这部分是应用Hbuilder去实现APP的生成打包)!!!

三. 动手学深度学习实践–机器翻译

3.1 机器翻译数据集

## 导入
import os
import torch
from d2l import torch as d2l

1. 下载和预处理数据集

机器翻译的数据集是由源语言和目标语言的文本序列对组成的。

首先,下载一个由Tatoeba项目的双语句子对组成的“英-法”数据集,数据集中的每一行都是制表符分隔文本序列对,序列对由英文文本序列和翻译后的法语文本序列组成。请注意,每个文本序列可以是一个句子,也可以是包含多个句子的一个段落。在这个将英语翻译成法语的机器翻译问题中,英语是 源语言(source language),法语是 目标语言(target language)。

#@save   
## 下载爬取数据集,学好python 
d2l.DATA_HUB['fra-eng'] = (d2l.DATA_URL + 'fra-eng.zip',
                         '94646ad1522d915e7b0f9296181140edcf86a4f5')

#@save
def read_data_nmt():
    #  载入“英语-法语”数据集。
    data_dir = d2l.download_extract('fra-eng')
    with open(os.path.join(data_dir, 'fra.txt'), 'r', encoding='UTF-8') as f:
        return f.read()

raw_text = read_data_nmt()
print(raw_text[:75])
Downloading ..\data\fra-eng.zip from http://d2l-data.s3-accelerate.amazonaws.com/fra-eng.zip...
Go.	Va !
Hi.	Salut !
Run!	Cours !
Run!	Courez !
Who?	Qui ?
Wow!	Ça alors !

2. 文本预处理

下载数据集后,我们对原始的文本数据进行处理需要经过几个预处理步骤。

1.用空格代替 不间断空格(non-breaking space)
2.使用小写字母替换大写字母
3.在单词和标点符号之间插入空格

def preprocess_nmt(text):
    """预处理"""
    # 使用空格替换不间断空格,(\xa0是拉丁扩展字符集里的字符,代表的是不间断空白符)
    # 使用小写字母替换大写字母
    text = text.replace('\u202f', ' ').replace('\xa0', ' ').lower()
    # 在单词和标点符号之间插入空格
    out = ''
    for i,char in enumerate(text):
        if i>0 and char in (',','!','.','?') and text[i-1] !=' ':
            out += ' '
        out +=char
    # 下面是沐神的原代码
#     def no_space(char,prev_char):
#         return char in set(',.!?') and prev_char != ' '
#     out = [
#         ' ' + char if i > 0 and no_space(char, text[i - 1]) else char
#         for i, char in enumerate(text)]
    return ''.join(out)

text = preprocess_nmt(raw_text)
print(text[:80])

go .	va !
hi .	salut !
run !	cours !
run !	courez !
who ?	qui ?
wow !	ça alors !

3. 词元化 tokenization

将句子/段落划分成一个个单词组成的向量。就像是把一把📏按照其刻度切分开来了。

def tokenize_nmt(text,num_examples=None):
    """将数据集词元化"""
    source,target = [],[]
    for i,line in enumerate(text.split('\n')):
        if num_examples and i>num_examples:
            break
        parts = line.split('\t')
        if len(parts)==2:
            source.append(parts[0].split(' '))
            target.append(parts[1].split(' '))
    return source,target
source, target = tokenize_nmt(text)
source[:6], target[:6]

([['go', '.'],
  ['hi', '.'],
  ['run', '!'],
  ['run', '!'],
  ['who', '?'],
  ['wow', '!']],
 [['va', '!'],
  ['salut', '!'],
  ['cours', '!'],
  ['courez', '!'],
  ['qui', '?'],
  ['ça', 'alors', '!']])
# 绘制每个文本序列包含的标记数量的直方图
# 句子的长度都不长,通常小于20
d2l.set_figsize()
_, _, patches = d2l.plt.hist([[len(l) for l in source], 
                              [len(l) for l in target]],
                             label=['source', 'target'])
for patch in patches[1].patches:
    patch.set_hatch('/')
d2l.plt.legend(loc='upper right');

在这里插入图片描述

4. 词汇表( word embedding)

由于机器翻译数据集由语言对组成,因此我们可以分别为源语言和目标语言构建两个词汇表。使用单词级标记化时,词汇量将明显大于使用字符级标记化时的词汇量。为了缓解这一问题,这里我们将出现次数少于2次的低频率标记视为相同的未知(“< u n k unk unk>”)标记。除此之外,我们还指定了额外的特定标记,例如在小批量时用于将序列填充到相同长度的填充标记(“< p a d pad pad>”),以及序列的开始标记(“< b o s bos bos>”)和结束标记(“< e o s eos eos>”)。这些特殊标记在自然语言处理任务中比较常用。

src_vocab = d2l.Vocab(source, min_freq=2,
                      reserved_tokens=['<pad>', '<bos>', '<eos>'])
len(src_vocab),list(src_vocab.token_to_idx.items())[:10]

(10012,
 [('<unk>', 0),
  ('<pad>', 1),
  ('<bos>', 2),
  ('<eos>', 3),
  ('.', 4),
  ('i', 5),
  ('you', 6),
  ('to', 7),
  ('the', 8),
  ('?', 9)])

3. 2. 加载数据集

在语言模型中的序列样本都有一个固定的长度,无论这个样本是一个句子的一部分还是跨越了多个句子的一个片断。这个固定长度是由时间步数或标记数量参数指定的。在机器翻译中,每个样本都是由源和目标组成的文本序列对,其中的每个文本序列可能具有不同的长度。

为了提高计算效率,我们仍然可以通过 截断(truncation)和 填充(padding)方式实现一次只处理一个小批量的文本序列 。假设同一个小批量中的每个序列都应该具有相同的长度n,那么如果文本序列的标记数目少于这个长度n时,我们将继续在其末尾添加特定的“< p a d pad pad>”标记,直到其长度达到统一长度;反之,我们将截断文本序列,只取其前n个标记,并且丢弃剩余的标记。这样,每个文本序列将具有相同的长度,以便以相同形状的小批量进行加载。

def truncate_pad(line,num_steps,padding_token):
    """截断或者填充文本序列"""
    if len(line)>num_steps:
        return line[:num_steps] # 截断多余的
    return line +  [padding_token]*(num_steps -len(line)) # 填充缺少的

# 假设num_step为10,填充符号为<pad>,对每一句操作
truncate_pad(src_vocab[source[0]], 10, src_vocab['<pad>']) 

[47, 4, 1, 1, 1, 1, 1, 1, 1, 1]

现在我们定义一个函数,可以将文本序列转换成小批量数据集用于训练。我们将特定的“< e o s eos eos>”标记添加到所有序列的末尾,用于表示序列的结束。当模型通过一个标记接一个标记地生成序列进行预测时,生成了“< e o s eos eos>”标记说明完成了序列输出工作。此外,我们还记录了每个文本序列的长度,统计长度时排除了填充标记,在稍后将要介绍的一些模型会需要这个长度信息。

def build_array_nmt(lines,vocab,num_steps):
    """将机器翻译的文本序列转换成小批量"""
    lines = [vocab[l] for l in lines]
    lines = [l+[vocab['<eos>']] for l in lines] # 加上一个结束标记
    array = torch.tensor([
        truncate_pad(l,num_steps,vocab['<pad>']) for l in lines])
    valid_len = (array != vocab['<pad>']).type(torch.int32).sum(1) # 保存填充的长度
    return array,valid_len

# 注意eos是3
array,valid_len = build_array_nmt(source,src_vocab ,10)
array[1],valid_len[1]

(tensor([113,   4,   3,   1,   1,   1,   1,   1,   1,   1]), tensor(3))

3.3 训练模型

# 整理数据加载和处理
def load_data_nmt(batch_size,num_steps,num_examples=600):
    """返回翻译数据集的迭代器和词汇表"""
    text = preprocess_nmt(read_data_nmt()) # 预处理
    source, target = tokenize_nmt(text, num_examples) # 词元化
    src_vocab = d2l.Vocab(source, min_freq=2,
                          reserved_tokens=['<pad>', '<bos>', '<eos>'])
    tgt_vocab = d2l.Vocab(target, min_freq=2,
                          reserved_tokens=['<pad>', '<bos>', '<eos>']) #构建词汇表
    src_array, src_valid_len = build_array_nmt(source, src_vocab, num_steps)
    tgt_array, tgt_valid_len = build_array_nmt(target, tgt_vocab, num_steps)
    data_arrays = (src_array, src_valid_len, tgt_array, tgt_valid_len)
    data_iter = d2l.load_array(data_arrays, batch_size)
    return data_iter, src_vocab, tgt_vocab

train_iter, src_vocab, tgt_vocab = load_data_nmt(batch_size=2, num_steps=8)
for X, X_valid_len, Y, Y_valid_len in train_iter:
    print('X:', X.type(torch.int32))
    print('valid lengths for X:', X_valid_len)
    print('Y:', Y.type(torch.int32))
    print('valid lengths for Y:', Y_valid_len)
    break

X: tensor([[16, 51,  4,  3,  1,  1,  1,  1],
        [ 6,  0,  4,  3,  1,  1,  1,  1]], dtype=torch.int32)
valid lengths for X: tensor([4, 4])
Y: tensor([[ 35,  37,  11,   5,   3,   1,   1,   1],
        [ 21,  51, 134,   4,   3,   1,   1,   1]], dtype=torch.int32)
valid lengths for Y: tensor([5, 5])

3.4 小结

  • 机器翻译指的是将文本序列从一种语言自动翻译成另一种语言。
  • 使用单词级标记化时的词汇量,将明显大于使用字符级标记化时的词汇量。为了缓解这一问题,我们可以将低频标记视为相同的未知标记。
  • 通过截断和填充文本序列,可以保证所有的文本序列都具有相同的长度,以便以小批量的方式加载。

四 .本科毕设

给学弟提供了项目任务计划书参考,大概讲解了项目各及模块的需要的技术,与各功能模块的功能需求。并提供了php,ajax ,交互MYSQL数据库的基础学习视频资源。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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