基于飞桨实现房价预测模型

最新推荐文章于 2023-07-07 17:15:49 发布

Zmf.

最新推荐文章于 2023-07-07 17:15:49 发布

阅读量545

点赞数 1

文章标签：深度学习 paddlepaddle python

本文链接：https://blog.csdn.net/weixin_49214939/article/details/108260631

版权

该部分笔记参考课程：https://aistudio.baidu.com/aistudio/projectdetail/717724

加载飞桨、numpy相关类库

#加载飞桨、numpy相关类库
import paddle
import numpy as np
import paddle.fluid as fluid
#飞桨主库：fluid
import paddle.fluid.dygraph as dygraph
#dygraph动态图类库
#静态图模式（声明式编程范式，类比C++）：先编译后执行；性能更好便于部署
#动态图模式（命令式编程范式，类比Python）：解析式执行方式；更方便调试
from paddle.fluid.dygraph import Linear
#Linear 为神经网络的全连接层函数
#即对所有输入进行权重相加并包含激活函数的基本神经元结构
import os
'''
os模块是python与操作系统交互的主要模块
os模块可以弥补操作系统之间差异带来的编程方面的不同
工作中使用的主要场景就是在文件路径描述
windows和linux 之间文件路径的不同.
https://www.jianshu.com/p/ed0774f82816
'''
import random

数据处理

#**************** 数据处理 ************
def load_data():
    #从文件中导入数据
    datafile = './work/housing.data'
    data = np.fromfile(datafile, sep = ' ')
    '''
    fromfile()函数读回数据时需要用户指定元素类型
    并对数组的形状进行适当的修改
    fromfile(dataname, dtype = np.float, count = -1, sep = ' ')
    http://doc.codingdict.com/NumPy_v111/reference/generated/numpy.fromfile.html
    https://blog.csdn.net/kebu12345678/article/details/54837245
    '''
    feature_names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
                      'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV']
    feature_num = len(feature_names)
    #此时数据为一维列向量
    #将原始数据Reshape，变成[N,14]的形状
    data = data.reshape(data.shape[0]//feature_num, feature_num)

    # 将原数据集拆分成训练集和测试集
    # 这里使用80%的数据做训练，20%的数据做测试
    # 测试集和训练集必须是没有交集的
    ratio = 0.8
    offset = int(data.shape[0] * ratio)
    training_data = data[:offset]
    #计算train数据集的最大值，最小值，平均值
    maximums, minimums, avgs = training_data.max(axis = 0), training_data.min(axis = 0), \
                                training_data.sum(axis = 0)/training_data.shape[0]
    #记录数据的归一化参数，在预测时对数据做归一化
    global max_values
    global min_values
    global avgs_values
    max_values = maximums
    min_values = minimums
    avgs_values = avgs
    #对数据进行归一化处理
    for i in range(feature_num):
        data[:, i] = (data[:, i] - avgs_values[i]) / (max_values[i] - min_values[i])
        #测试集与训练集采用相同的标准进行归一化
    training_data = data[:offset]
    test_data = data[offset:]
    return training_data, test_data

模型设计

#**************** 模型设计 ************
'''
模型定义的实质是定义线性回归的网络结构
通过创建Python类的方式完成模型网络的定义
即定义init函数和forward函数
在forward函数中使用的网络层需要在init函数中声明
'''
#定义init函数：在类的初始化函数中声明每一层网络的实现函数
class Regressor(fluid.dygraph.Layer):
    def __init__(self):
        super(Regressor, self).__init__()
        # 定义一层全连接层，输出维度是1，激活函数为None，即不使用激活函数
        self.fc = Linear(input_dim = 13, output_dim = 1, act = None)
    # 网络的前向计算函数
    #定义forward函数：构建神经网络结构，实现前向计算过程
    def forward(self, inputs):
        x = self.fc(inputs)
        return x

训练配置

以guard函数指定运行训练的机器资源，表明在with作用域下的程序均执行在本机的CPU资源上。dygraph.guard表示在with作用域下的程序会以飞桨动态图的模式执行（实时执行）。
声明定义好的回归模型Regressor实例，并将模型的状态设置为训练。
使用load_data函数加载训练数据和测试数据。
设置优化算法和学习率，优化算法采用随机梯度下降SGD，学习率设置为0.01。

#**************** 训练配置 ************
#定义飞桨动态图的工作环境
with fluid.dygraph.guard():
    #声明定义的回归模型
    model = Regressor()
    #开启训练模式
    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, parameter_list = model.parameters())

说明：

默认本案例运行在读者的笔记本上，因此模型训练的机器资源为CPU。
模型实例有两种状态：训练状态.train()和预测状态.eval()。训练时要执行正向计算和反向传播梯度两个过程，而预测时只需要执行正向计算。为模型指定运行状态，有两点原因：

（1）部分高级的算子（例如Drop out和Batch Normalization）在两个状态执行的逻辑不同。

（2）从性能和存储空间的考虑，预测状态时更节省内存，性能更好。

在上述代码中可以发现声明模型、定义优化器等操作都在with创建的 fluid.dygraph.guard()上下文环境中进行，可以理解为with fluid.dygraph.guard()创建了飞桨动态图的工作环境，在该环境下完成模型声明、数据转换及模型训练等操作。
使用飞桨框架只需要定义SGD就可以实现优化器设置，大大简化了随机梯度下降法的编写过程。

训练过程

内层循环：采用分批的方式将整个数据集遍历一次；batch的取值会影响模型训练效果。batch过大，会增大内存消耗和计算时间，且效果并不会明显提升；batch过小，每个batch的样本数据将没有统计意义。
外层循环： 定义遍历数据集的次数，通过参数EPOCH_NUM设置
内层循环需执行以下四个步骤：

数据准备：将数据转变成np.array和内置格式
前向计算：将一个批次的样本数据灌入网络中，计算输出结果。
计算损失函数：以前向计算结果和真实房价作为输入，通过损失函数square_error_cost计算出损失函数值（Loss）。
反向传播：执行梯度反向传播backward函数，即从后到前逐层计算每一层的梯度，并根据设置的优化算法更新参数opt.minimize。

#**************** 训练过程 ************
#定义工作环境
with dygraph.guard(fluid.CPUPlace()):
    #定义批大小及训练次数
    EPOCH_NUM = 10
    BATCH_SIZE = 10
    
    #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(数据集较小)
        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数据转化成飞桨动态图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(loss)
            if iter_id % 20 == 0:
                #每200个数据输出一次
                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')

保存和测试模型

 #*********** 测试模型 ************
 #现实应用场景中模型的训练和测试往往是分开的
 '''
 配置模型预测的机器资源。本案例默认使用本机，因此无需写代码指定。
 将训练好的模型参数加载到模型实例中。
    从文件中读取模型参数；将参数内容加载到模型。
    加载完毕后，需要将模型的状态调整为eval()（校验）。
    校验和预测状态的模型只需要支持前向计算，模型的实现更加简单，性能更好。
 将待预测的样本特征输入到模型中，打印输出的预测结果。
 '''
#定义函数实现从数据集中抽取一条样本作为测试样本
def load_one_example(data_dir):
    f = open(data_dir, 'r')
    datas = f.readlines()
    #readlines()从文件中一行一行地读数据（包括换行符），返回一个列表
    #选择倒数第十条数据用于测试
    tmp = datas[-10]
    tmp = tmp.strip().split()
    #strip()删除字符序列，默认删除空白符
    #split()通过指定分隔符对字符串进行切片，并返回分割后的字符串列表（list）
    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] - avgs_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')
    #此处为什么不直接使用之前划分好的测试集的数据？
    #将数据转化为动态图的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]) + avgs_values[-1]
    print("Inference result is {}, the corresponding label is{}".format(results.numpy(), label))

通过比较“模型预测值”和“真实房价”可见，模型的预测效果与真实房价接近。房价预测仅是一个最简单的模型，使用飞桨编写均可事半功倍。那么对于工业实践中更复杂的模型，使用飞桨节约的成本是不可估量的。同时飞桨针对很多应用场景和机器资源做了性能优化，在功能和性能上远强于自行编写的模型。

Zmf.

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
基于飞桨实现房价预测模型

该部分笔记参考课程：https://aistudio.baidu.com/aistudio/projectdetail/717724加载飞桨、numpy相关类库#加载飞桨、numpy相关类库import paddleimport numpy as numpyimport paddle.fluid as fluid#飞桨主库：fluidimport paddle.fluid.dygraph as dygraph#dygraph动态图类库#静态图模式（声明式编程范式，类比C++）：先编译
复制链接

扫一扫