运维做开发

这个屌丝很懒，什么也没留下！

热门标签

人工智能实验六基于循环神经网络实现情感分类_循环神经网络nlp-情感分类的实验总结

作者：运维做开发 | 2024-07-03 09:13:38

踩

循环神经网络nlp-情感分类的实验总结

代码参照

实践 | 基于循环神经网络实现情感分类

实验目的

熟悉和掌握循环神经网络的模型架构和工作原理，了解语言数据集的一些基本

概念，例如词表、数据对齐等等，掌握对语言数据集的基本预处理操作，加深对分

类问题的理解，并进一步熟悉使用paddle paddle进行深度学习。

实验内容

本实验使用IMDB数据集，该数据集中包括50000条偏向明显的评论，其中包括

25000条训练数据和25000条测试数据，label为0（negative）和1（positive）。

本实验要求使用飞桨搭建循环神经网络模型，并利用上述数据集训练该模型；

训练结束后保存模型，存储模型的参数；评估网络时，从参数文件中加载模型参

数，再评估模型。

实验环境

1.建议使用百度提供的AI Studio平台做下面两个实验，该平台提供了免费的算

力支持，并且已经集成了我们要用的paddle等库。

https://aistudio.baidu.com/aistudio/index

进入网页后--》点击项目—》创建项目—》Notebook—》选paddle 2.0.2版本

—》创建即可。该实验建议选择gpu环境，否则训练十分缓慢。

2.如果要在自己电脑实验，Paddle Paddle的安装参考一下飞桨的官方文档：

https://www.paddlepaddle.org.cn/install/quick，paddlepaddle的版本建议选择2.0.2登

三、实验步骤

1.登入飞桨平台https://aistudio.baidu.com/index

2.登录后创建项目

3.选Notebook->+添加数据集->选择IMDB情感分析数据集->选AI Studio经典版->选paddle 2.0.2版本->创建

4.启动环境->选择GPU->确定->进入

5.代码段分开

一、环境设置


import paddle
import numpy as np
import matplotlib.pyplot as plt
import paddle.nn as nn
 
print(paddle.__version__)  # 查看当前版本
 
# cpu/gpu环境选择，在 paddle.set_device() 输入对应运行设备。
#device = paddle.set_device('gpu')

二、数据准备


# 加载训练数据
train_dataset = paddle.text.datasets.Imdb(mode='train')
 # 加载测试数据
test_dataset = paddle.text.datasets.Imdb(mode='test')
#eval_dataset


word_dict = train_dataset.word_idx  # 获取数据集的词表
 
# add a pad token to the dict for later padding the sequence
word_dict['<pad>'] = len(word_dict)
 
for k in list(word_dict)[:5]:
    print("{}:{}".format(k.decode('ASCII'), word_dict[k]))
 
print("...")
 
for k in list(word_dict)[-5:]:
    print("{}:{}".format(k if isinstance(k, str) else k.decode('ASCII'), word_dict[k]))
 
print("totally {} words".format(len(word_dict)))

三、参数设置

设置词表大小，embedding的大小，batch_size，等等


vocab_size = len(word_dict) + 1
print(vocab_size)
emb_size = 256
seq_len = 200
batch_size = 32
epochs = 2
pad_id = word_dict['<pad>']
 
classes = ['negative', 'positive']
 
# 生成句子列表
def ids_to_str(ids):
    # print(ids)
    words = []
    for k in ids:
        w = list(word_dict)[k]
        words.append(w if isinstance(w, str) else w.decode('ASCII'))
    return " ".join(words)


# 可以用 docs 获取数据的list，用 labels 获取数据的label值，打印出来对数据有一个初步的印象。
# 取出来第一条数据看看样子。
sent = train_dataset.docs[0]
label = train_dataset.labels[1]
print('sentence list id is:', sent)
print('sentence label id is:', label)
print('--------------------------')
print('sentence list is: ', ids_to_str(sent))
print('sentence label is: ', classes[label])

四、对齐数据

文本数据中，每一句话的长度都是不一样的，为了方便后续的神经网络的计算，常见的处理方式是把数据集中的数据都统一成同样长度的数据。这包括：对于较长的数据进行截断处理，对于较短的数据用特殊的词进行填充。


# 读取数据归一化处理
def create_padded_dataset(dataset):
    padded_sents = []
    labels = []
    for batch_id, data in enumerate(dataset):
        sent, label = data[0], data[1]
        padded_sent = np.concatenate([sent[:seq_len], [pad_id] * (seq_len - len(sent))]).astype('int32')
        padded_sents.append(padded_sent)
        labels.append(label)
    return np.array(padded_sents), np.array(labels)
 
# 对train、test数据进行实例化
train_sents, train_labels = create_padded_dataset(train_dataset)
test_sents, test_labels = create_padded_dataset(test_dataset)
 
# 查看数据大小及举例内容
print(train_sents.shape)
print(train_labels.shape)
print(test_sents.shape)
print(test_labels.shape)
 
for sent in train_sents[:3]:
    print(ids_to_str(sent))

五、用Dataset 与 DataLoader 加载

将前面准备好的训练集与测试集用Dataset 与 DataLoader封装后，完成数据的加载。


class IMDBDataset(paddle.io.Dataset):
    '''
    继承paddle.io.Dataset类进行封装数据
    '''
    def __init__(self, sents, labels):
        self.sents = sents
        self.labels = labels
    
    def __getitem__(self, index):
        data = self.sents[index]
        label = self.labels[index]
 
        return data, label
 
    def __len__(self):
        return len(self.sents)
    
train_dataset = IMDBDataset(train_sents, train_labels)
test_dataset = IMDBDataset(test_sents, test_labels)
 
train_loader = paddle.io.DataLoader(train_dataset, return_list=True,
                                    shuffle=True, batch_size=batch_size, drop_last=True)
test_loader = paddle.io.DataLoader(test_dataset, return_list=True,
                                    shuffle=True, batch_size=batch_size, drop_last=True)

六、模型配置


import paddle.nn as nn
import paddle
 
# 定义RNN网络
class MyRNN(paddle.nn.Layer):
    def __init__(self):
        super(MyRNN, self).__init__()
        self.embedding = nn.Embedding(vocab_size, 256)
        self.rnn = nn.SimpleRNN(256, 256, num_layers=2, direction='forward',dropout=0.5)#维数，隐藏维数，层数
        self.linear = nn.Linear(in_features=256*2, out_features=2)
        self.dropout = nn.Dropout(0.5)
    
 
    def forward(self, inputs):
        emb = self.dropout(self.embedding(inputs))
        #output形状大小为[batch_size,seq_len,num_directions * hidden_size]
        #hidden形状大小为[num_layers * num_directions, batch_size, hidden_size]
        #把前向的hidden与后向的hidden合并在一起
        output, hidden = self.rnn(emb)
        hidden = paddle.concat((hidden[-2,:,:], hidden[-1,:,:]), axis = 1)
        #hidden形状大小为[batch_size, hidden_size * num_directions]
        hidden = self.dropout(hidden)
        return self.linear(hidden)

七、模型训练


# 可视化定义
def draw_process(title,color,iters,data,label):
    plt.title(title, fontsize=24)
    plt.xlabel("iter", fontsize=20)
    plt.ylabel(label, fontsize=20)
    plt.plot(iters, data,color=color,label=label) 
    plt.legend()
    plt.grid()
    plt.show()


# 对模型进行封装
def train(model):
    model.train()
    opt = paddle.optimizer.Adam(learning_rate=0.001, parameters=model.parameters())
    steps = 0
    Iters, total_loss, total_acc = [], [], []
 
    for epoch in range(epochs):
        for batch_id, data in enumerate(train_loader):
            steps += 1
            sent = data[0]
            label = data[1]
            
            logits = model(sent)
            loss = paddle.nn.functional.cross_entropy(logits, label)
            acc = paddle.metric.accuracy(logits, label)
 
            if batch_id % 500 == 0:  # 500个epoch输出一次结果
                Iters.append(steps)
                total_loss.append(loss.numpy()[0])
                total_acc.append(acc.numpy()[0])
 
                print("epoch: {}, batch_id: {}, loss is: {}".format(epoch, batch_id, loss.numpy()))
            
            loss.backward()
            opt.step()
            opt.clear_grad()
 
        # evaluate model after one epoch
        model.eval()
        accuracies = []
        losses = []
        
        for batch_id, data in enumerate(test_loader):
            
            sent = data[0]
            label = data[1]
 
            logits = model(sent)
            loss = paddle.nn.functional.cross_entropy(logits, label)
            acc = paddle.metric.accuracy(logits, label)
            
            accuracies.append(acc.numpy())
            losses.append(loss.numpy())
        
        avg_acc, avg_loss = np.mean(accuracies), np.mean(losses)
 
        print("[validation] accuracy: {}, loss: {}".format(avg_acc, avg_loss))
        
        model.train()
 
        # 保存模型
        paddle.save(model.state_dict(),str(epoch)+"_model_final.pdparams")
    
    # 可视化查看
    draw_process("trainning loss","red",Iters,total_loss,"trainning loss")
    draw_process("trainning acc","green",Iters,total_acc,"trainning acc")
        
model = MyRNN()
train(model)

八、模型评估


'''
模型评估
'''
model_state_dict = paddle.load('1_model_final.pdparams')  # 导入模型
model = MyRNN()
model.set_state_dict(model_state_dict) 
model.eval()
accuracies = []
losses = []
 
for batch_id, data in enumerate(test_loader):
    
    sent = data[0]
    label = data[1]
 
    logits = model(sent)
    loss = paddle.nn.functional.cross_entropy(logits, label)
    acc = paddle.metric.accuracy(logits, label)
    
    accuracies.append(acc.numpy())
    losses.append(loss.numpy())
 
avg_acc, avg_loss = np.mean(accuracies), np.mean(losses)
print("[validation] accuracy: {}, loss: {}".format(avg_acc, avg_loss))

九、模型预测


def ids_to_str(ids):
    words = []
    for k in ids:
        w = list(word_dict)[k]
        words.append(w if isinstance(w, str) else w.decode('UTF-8'))
    return " ".join(words)
 
label_map = {0:"negative", 1:"positive"}
 
# 导入模型
model_state_dict = paddle.load('1_model_final.pdparams')
model = MyRNN()
model.set_state_dict(model_state_dict) 
model.eval()
 
for batch_id, data in enumerate(test_loader):
    
    sent = data[0]
    results = model(sent)
 
    predictions = []
    for probs in results:
        # 映射分类label
        idx = np.argmax(probs)
        labels = label_map[idx]
        predictions.append(labels)
    
    for i,pre in enumerate(predictions):
        print(' 数据: {} \n 情感: {}'.format(ids_to_str(sent[0]), pre))
        break
    break

图片如下，每段代码单独放置

想要运行点“运行全部”，或者一段一段接着点运行，上一段运行结束再点下一段。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/运维做开发/article/detail/782568

人工智能 实验六 基于循环神经网络实现情感分类_循环神经网络nlp-情感分类的实验总结