训练自己的源码识别模型

我们使用guesslang 工具进行数据集下载处理。　

guesslang 网址：　Guesslang documentation — Guesslang 2.2.1 documentation

利用　guesslangtool　下载训练数据，为了方便ＳＣＣ研究人员，处理好的数据在本文最后有提供下载

百度网盘，压缩包大小16G。　本数据包总共有训练文件约200万个，包括54种语言源码

https://download.csdn.net/download/znsoft/22485214

训练步骤

１. 安装　guesslang 包

pip install guesslang

2. 训练 

mkdir /data/ssd/model  #改为你自己的模型保存目录

guesslang  --train /data/ssd/scc/files --model /data/ssd/model/ --steps 1000　　＃训练1000步，即epoch number为1000 ,大约能达到87%的准确度。

3. 训练步数与准确度的关系:

1000   87%

2000  88%

8000  90%