深度学习小白入门教程-基础运用篇

article/2025/11/6 1:56:20

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~