深度学习小白入门教程-基础运用篇
- 可能有图片没部署成功，如果有影响，请回小主主页
- PyCharm
- 玩个文本类数据二分类
- 第一步，把我们可能用到的包安排上，还有python的标准主函数~
- 第二步，导入数据集，cv大法就好啦~
- 第三步，读取数据集，这里我们用pandas这个包去读取，当然我们可以打印看看读取后是怎么样的~
- 第四步，造model~
- 第五步，开始写训练
- 第六步，好了，训练我们写完了，现在开始写test，毕竟test结果才是衡量模型的一个主要指标~
- 第七步，然后我们记录我们的结果，并用matplotlib记录下来，编写一个绘图函数~
- 最后一步，run起来~
- 方式一，右击屏幕，点击run，假如没有，需要去安装（百度吧，累了~）
- 方式二，点击下方的terminal，命令行来运行
- 结果~
可能有图片没部署成功，如果有影响，请回小主主页
Link：https://wen-luminous.xyz/
PyCharm
创建一个新的Python项目，当然可以用之前的环境，这个不重要，我们可以调整~
左上角是项目目录，右下角是所使用的python环境，这里我们更换为刚刚创建的xiaobai
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-e035cBkN-1668652248232)(http://cdn.wen-luminous.xyz/202211101524082.png)]
右键文件夹，把bioai文件设置为我们的根目录就好了！
这样子我们的编辑器就基本上可以开始造了~
玩个文本类数据二分类
首先我这里给一个数据集链接：https://pan.baidu.com/s/1pVCDBJ-KrmgS5SbfTtcGGA?pwd=7777
提取码：7777
该数据集是n个病患（每一行代表一个病人）各种生理指标的数据集，我们这里处理的是他的aki指标，我们想通过这个aki指标去判断这个病人是否患病~
名称短的这个数据集我们用来造分类标签label（对照，Y），长的这个数据集我们用来造特征矩阵（输入，X）
我们的任务
- 读取数据集
- 处理数据
- 构建分类器模型
- 输入数据
- 处理结果
是不是很简单~
那么接下来，展示~
第一步，把我们可能用到的包安排上，还有python的标准主函数~
第二步，导入数据集，cv大法就好啦~
第三步，读取数据集，这里我们用pandas这个包去读取，当然我们可以打印看看读取后是怎么样的~
在这个数据集当中，我们只想做一个二分类，不想做多分类，那我们就需要对目标数据进行处理~
在这里我们对每一个病人的label数据做最大值处理，将结果存入label_aki列表当中，当然也可以打印看看它是啥样的~
接下来我们造输入去~
这里我们用了一个train_test_split()函数，它就是用来给我们分割数据集的，分成测试集和验证集~
但是这里报错了？原来是封装在sklearn里面的一个函数，我们加上他的引用即可~
pycharm可以自动检错，并给出对应措施的，鼠标移到错误上面就可以啦~
这里也要注意，我们用torch训练的话，肯定要符合他自己的标准，所以我们把数据转为了tensor格式，这样子才能输入到我们的model里面~
当然我们可以输出看看，tensor长啥样。
这里我给出一点点建议~
# 在python查看对象的大小
len(list/dict/map/tensor)
tensor.shape
# 如果是二维的
len(list[0])
# 当然还有type查看类型~第四步，造model~
我们新建一个model.py来存放我们的模型
当然还可以这样子写~
这样子，我们就构建了一个非常简单的包含一层隐藏层的分类模型，他的参数有三个（in_dim, n_hidden_1, out_dim），Sequential是集成这些模型的意思，Linear是全连接层，他可以将输入的shape转为输出的shape，就相当于我们输入的tensor大小是[x, in_dim]那么输出就是[x, n_hidden_1]~
BatchNorm是用来归一化的，relu是激活函数~
这些都是学习任务，好了在这里我们的model就完成了~
这里，我们接下来需要引用这个模型，可以这样子做，引用Model这个模型类~
第五步，开始写训练
然后写上我们需要训练的一些指标~
这个copy也需要我们去引用，impor copy即可
一次训练应该包含：
- 获取loss：输入矩阵张量和标签，通过model计算得到预测值，计算损失函数；
- optimizer.zero_grad() 清空过往梯度；
- loss.backward() 反向传播，计算当前梯度；
- optimizer.step() 根据梯度更新网络参数
第六步，好了，训练我们写完了，现在开始写test，毕竟test结果才是衡量模型的一个主要指标~
这里我们先引用一些测试方法
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3MpQMjoT-1668652248242)(http://cdn.wen-luminous.xyz/202211101650645.png)]
然后编写测试过程，这里我写的比较繁琐，因为想展示一些测试用的方法是怎么来的，包括稀疏矩阵等等~
当然可以直接用roc_auc_score等一些方法，直接可以得到~
希望大家自行尝试！！！
然后引用这个test函数
第七步，然后我们记录我们的结果，并用matplotlib记录下来，编写一个绘图函数~
最后一步，run起来~
方式一，右击屏幕，点击run，假如没有，需要去安装（百度吧，累了~）
方式二，点击下方的terminal，命令行来运行
在当前目录下，运行python day1110.py即可~
当然我们也可以把这个结果输入到一个txt文件里面，像这样
python day1110.py > out1110.txt
结果~
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QYWabtI0-1668652248245)(http://cdn.wen-luminous.xyz/202211101708585.png)]
好像不是很好哈~
需要咱们调整参数咯，还有模型~
加油，AI小白们！！！
0.py > out1110.txt
[外链图片转存中…(img-7ebSxKoQ-1668652248244)]
[外链图片转存中…(img-RdKgH7am-1668652248245)]
